开发者 AI 技能与智能体

Clef

Cloudflare · 工具包

Cloudflare 的 27B 多模态模型，针对文本、JSON、图片或视频输入，为带类型的问题给出每个允许答案的分数，而不是写出自由文本。

Qwen3.5-0.8B

Qwen · 工具包

读取图片和文字并用文字回复，来自 Qwen 的 873M 小模型。适合想用轻量多模态基础模型做原型或微调的开发者和研究者。

Nex-N2.6

nex-agi · 工具包

作为多模态智能体模型处理计算机操作、编程和长时间的工具任务，基于 GLM-5.3-Flash，FP8 权重约 321B 参数。适合能自行托管大模型的团队。

GLM-5.3-Flash

zai-org · 工具包

zai-org 的 GLM-5 系列原生多模态模型，总参数 320B、激活 18B，采用稀疏与线性注意力的混合设计，并能控制思考预算。适合有大型 GPU 服务器的团队。

DeepSeek-V4.1-Flash

deepseek-ai · 工具包

DeepSeek 的多模态混合专家模型，骨干有 552B 参数，上下文长达一百万个 token，专为降低长输入智能体工作的 KV 缓存成本而设计。适合有大型 GPU 集群的团队。

LongCat-2.5

meituan-longcat · 工具包

美团 LongCat 的多模态混合专家模型，面向长时间的智能体任务和编程，总参数约 1.6 万亿，每个 token 激活 480 亿。适合有大型 GPU 集群的实验室和团队。

Chat With Janus-Pro-7B

deepseek-ai · 工具包

和 DeepSeek 的 Janus-Pro-7B 模型聊天，它既能理解图片也能生成图片，生成的图片会做 2 倍放大。适合想在浏览器里试用多模态模型的人。

MiniCPM-V 端侧多模态模型

OpenBMB · 工具包

OpenBMB 的开源多模态模型。MiniCPM-V 4.7 能读图片、文档和视频，MiniCPM-o 4.5 还能听、能说。安装说明涵盖 Transformers、Ollama、llama.cpp、vLLM、SGLang、托管 API 和手机应用。