优选大模型
-
Grok Series
xAI 多模态Grok人工智能公司xAI开发的人工智能模型，Grok 3计算量比Grok 2高10倍，预估将引入“思维链”（Chain Of Thought）推理能力，让其能够像人类认知过程一样逐步处理复杂任务。
-
Gemini Series
Google 多模态Gemini是由Google开发的多模态模型，具有新一代功能和增强型功能：输入音频、图片、视频和文本，获取文本回复; 生成代码、提取数据、分析文件、生成图表；低延迟、增强性能，专为打造代理体验而打造
-
-
Llama Vision Series
Meta 图片理解Meta Llama系列模型不仅能够处理文本数据，还能够处理图像数据；Llama Vision模型加入了视觉理解的功能，该模型支持同时输入文本和图像数据，对图像进行理解并输出文本信息。
-
Amazon Nova Series
Amazon 多模态Amazon Nova是功能强大的多模态模型，将准确性、速度和成本完美地结合在一起，可完成各种任务。Amazon Nova理解模型支持200多种语言、文本和视觉微调，并可通过并可通过Amazon Bedrock功能与专有数据和应用程序轻松集成。
-
通义千问系列
阿里巴巴 文本生成通义千问全模态理解生成大模型，支持文本, 图像，语音，视频输入理解和混合输入理解，具备文本和语音同时流式生成能力，多模态内容理解速度显著提升，提供了4种自然对话音色。
-
通义千问VL系列
阿里巴巴 图片理解通义千问VL，即通义千问大规模视觉语言模型。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能。
-
ERNIE 4.0 Turbo
百度 文本生成百度自研的旗舰级超大规模⼤语⾔模型，综合效果表现出色，广泛适用于各领域复杂任务场景；支持自动对接百度搜索插件，保障问答信息时效。相较于ERNIE 4.0在性能表现上更优秀。
-
ERNIE 4.0
百度 文本生成百度自研的旗舰级超大规模⼤语⾔模型，相较ERNIE 3.5实现了模型能力全面升级，广泛适用于各领域复杂任务场景；支持自动对接百度搜索插件，保障问答信息时效。
-
DeepSeek-R1
深度求索 文本生成DeepSeek-R1在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能较高，能力较强。
-
DeepSeek-V3
深度求索 文本生成DeepSeek-V3为自研MoE模型，671B参数，激活37B，在14.8Ttoken上进行了预训练，在长文本、代码、数学、百科、中文 能力上表现优秀。
-