joey-1
baselabs · 工具包
用一个 2B 模型,针对文本或图片回答是非题、选择题和打分题,并返回校准过的概率。适合需要自动分流、分诊或分类请求的团队。
baselabs · 工具包
用一个 2B 模型,针对文本或图片回答是非题、选择题和打分题,并返回校准过的概率。适合需要自动分流、分诊或分类请求的团队。
vllm-sr · 工具包
一个 9B 模型,一次调用就能回答关于文字、图像或视频的多个选择、是非和打分问题,并为每个答案返回概率而不是生成文字。适合路由和决策任务。
vllm-sr · 工具包
用一次调用回答关于文字、图像或视频的选择、是非和打分问题,为每个答案返回概率而不是文字。这是 27B 的决策模型,适合做路由和分流的开发者。
StrandsAgents · 工具包
为智能体流程做快速决策:在选项中挑选,或按等级打分,每个答案都带校准过的置信度。适合做模型路由、选择工具和分流请求的开发者。
laion · 工具包
LAION 的 340M 参数音频文本模型,把声音和英文文本放进同一个嵌入空间,用于零样本音频分类、音频文本检索和通用音频嵌入。
vllm-sr · 工具包
对同一份文本、图片或视频输入一次回答多个问题,为每个答案给出概率,不生成文字。这是 vLLM Semantic Router 推出的 27B 多模态决策模型。
vllm-sr · 工具包
一次调用就能回答关于文本、图片和视频的选择题、是非题和打分题,并为每个答案返回概率,而不是生成文字。适合需要给请求分流或分类的开发者。
Ultralytics · 工具包
用 Ultralytics 的 YOLO 模型系列在图片和视频中找出物体,同系列还覆盖分割、分类、深度、姿态和跟踪。适合开发计算机视觉应用的开发者。
Qwen · 工具包
把文本变成向量,用于搜索、代码检索、分类和聚类,支持 100 多种语言。这是 Qwen 嵌入系列里的 8B 模型,向量大小可调,还支持任务指令。
openjev · 工具包
针对文本、网页和截图回答带类型的决策,一次前向计算,根据你自己的标签给出选项、是非概率或分数。适合构建分流、审核和浏览器智能体的团队。
perplexity-ai · 工具包
一次读入一个情境和多个问题,再逐个给出选择、是否或分数。适合需要分派、标记或评估请求的团队。
nvidia · 工具包
根据作为上下文给出的带标签示例行,预测新表格行的类别或数值。这是 NVIDIA 的预训练表格基础模型,用于分类和回归,适合开发者和数据团队。
baselabs · 工具包
一次性回答关于某个情境的一组问题,并为每个选项给出校准过的概率。这是 Baseten 的 Base Labs 发布的 9B 决策模型,由 Qwen3.5-9B 调整而来。
perplexity-ai · 工具包
Perplexity 的小型决策模型,基于 Qwen3.5-4B,读取文字和图片,用概率回答选择题、是非题和打分题,适合快速分流和分诊。
Qwen · 工具包
把文字转成数字向量,用于搜索、检索、分类和聚类,支持 100 多种语言,包括编程语言。是 Qwen3 Embedding 系列里最小的 0.6B 参数文本嵌入模型。
sarvamai · 工具包
针对一段文字提出的问题,一次前向计算就给出每个答案选项的概率。适合需要固定选项决策的团队,比如工单分派,要用大显存的 NVIDIA 显卡。
inclusionAI · 工具包
根据文本状态和命名的问题做有类型的决策,返回选项、是非和有序评分的概率,不生成文字。这是 inclusionAI 的 4.5B 模型,面向开发者。
baselabs · 工具包
一次性回答关于某个情境的一组问题,并为每个选项给出校准过的概率。这是 Baseten 的 Base Labs 发布的 27B 决策模型,由 Qwen3.5-27B 调整而来。
convaiinnovations · 工具包
用一次约 33 ms 的前向计算,对一条消息、邮件、工单或 JSON 记录里的带类型问题给出校准过的概率,支持 100 多种语言,适合给工单分流和文本分类的开发者。
HAL-X-AI · 工具包
针对一条消息、文档、图片或图表里的纯文字问题,在几十毫秒内给出每个选项的概率,适合做工单分流和记录分类的开发者。