跳到正文

多模态

文本之外的能力:视觉理解、图文混合、音视频输入输出的模型与产品进展。

63 条精选近 30 天 28条共收录 216条

更新

精选归档 · 第 4 页

3月7日周五
  1. Mistral AI78

    Mistral AI 发布文档理解 API Mistral OCR

    Mistral AI 发布光学字符识别 API Mistral OCR,可把图片和 PDF 解析为有序交错的文本与图像,并已作为 Le Chat 文档理解的默认模型。

    推荐理由:官方给出与 Google、Azure、Gemini 系列的横向基准对比和 1000 页/美元定价,可据此判断文档解析方案的替换成本。

2月17日周一
  1. Mistral AI62

    Mistral 发布区域语言模型 Mistral Saba

    Mistral AI 发布首款区域语言模型 Mistral Saba,24B 参数,基于中东和南亚数据集训练,支持阿拉伯语和多种印度源语言,在泰米尔语等南印度语言上表现突出。

    推荐理由:Mistral 首款区域语言模型,24B 参数却对标 5 倍规模模型,可单卡本地部署,为中东和南亚市场提供新选择。

2月7日周五