MiniCPM-o 2.6 是OpenBMB团队开发的最新多模态大型语言模型（MLLM），具有8B参数，能够在手机等端侧设备上实现高质量的视觉、语音和多模态直播功能。

Phi-3 Vision是一个轻量级、最先进的开放多模态模型，基于包括合成数据和经过筛选的公开可用网站在内的数据集构建，专注于文本和视觉的非常高质量的推理密集数据。

Qwen-VL 是阿里云推出的通用型视觉语言模型,具有强大的视觉理解和多模态推理能力。

moondream是一个使用SigLIP、Phi-1.5和LLaVA训练数据集构建的16亿参数模型。

这篇论文系统评估了大型语言模型（LLMs）生成和识别逐渐复杂的视觉概念的能力，并展示了如何使用文本模型训练初步的视觉表示学习系统。

InternVL通过将ViT模型扩展到60亿参数并与语言模型对齐,构建出目前最大的14B开源视觉基础模型,在视觉感知、跨模态检索、多模态对话等广泛任务上取得了32项state-of-the-art性能。

NEX是一个媒体技术公司,正在开发可控制的AI模型,用于视觉表达。

Blenny AI 是一款可以帮助用户对网页进行截图并进行智能分析的 AI 视觉辅助工具。

Moji AI - Chat & Content AI是您掌握内容创作艺术的终极多合一应用，由先进的人工智能驱动。

Quill News Digest是一款不同寻常的日常新闻摘要应用。

Abacus.AI是全球首个端到端AI平台，为常见的企业应用场景实现实时的大规模深度学习。