🏷️ 视觉模型
共 4 个相关内容
🧭 导航
Pixtral
Pixtral 是 Mistral AI 推出的多模态视觉语言模型,能够理解和分析图像、图表、文档等内容,具备强大的多模态推理能力。
DeepSeek-OCR
深度求索开源的 OCR 视觉语言模型,通过视觉 token 压缩实现高效文档识别与解析。
Interfaze
Y Combinator 投资的视觉优先模型 API,专门处理发票、报表、截图等确定性任务,输出结构稳定、抗版式变化。
共 4 个相关内容
Pixtral 是 Mistral AI 推出的多模态视觉语言模型,能够理解和分析图像、图表、文档等内容,具备强大的多模态推理能力。
深度求索开源的 OCR 视觉语言模型,通过视觉 token 压缩实现高效文档识别与解析。
Y Combinator 投资的视觉优先模型 API,专门处理发票、报表、截图等确定性任务,输出结构稳定、抗版式变化。