GPT-4.5官网 – OpenAI最新高性能语言模型

mllm-mmrotate是一个专注于空中目标检测的项目，通过多模态语言模型（MLLM）为无人机和其他空中设备提供精确的物体识别能力。项目引入规范化方法将检测输出转换为与MLLM兼容的文本输出，并提出新的评估方法以确保与传统检测器的公平比较。支持光学图像（如DOTA-v1.0、DIOR-R）和SAR图像（如SRSDD、RSAR），扩展了在不同数据类型上的应用潜力。

Aura Voice 是一个专为浏览器优化的低延迟 AI 语音助手，结合了 Vercel Edge Functions、Whisper 语音识别、GPT-4o 和 Eleven Labs TTS 等技术。它旨在提供类似 Siri 的体验，支持回答问题、语言翻译、文本摘要、代码生成和写作援助等功能。项目还探讨了如何通过分割响应和流式传输来进一步降低延迟，并提供了详细的安装和使用指南。

GPT-4 是 OpenAI 开发的最新大型语言模型，能够处理图像和文本输入，生成文本输出。相较于前代 GPT-3.5，在安全性、事实准确性和内容生成方面有显著提升。它在各种专业和学术基准测试中表现出人类水平的表现，例如通过模拟律师考试成绩在顶尖 10% 左右。GPT-4 通过强化学习从人类反馈中进行调整，以提高事实准确性和遵循用户指令的能力。

一个用Rust语言编写的极简语言模型（LLM）推理工具，能够在没有机器学习库的情况下，在CPU上进行完整的语言模型推理，支持多种大型语言模型并具备多模态功能。

shap-e是OpenAI开发的一个开源AI 3D算法，能够根据单张图像生成多个3D模型。它可以在高性能显卡上高效运行，生成的模型支持导出为mesh格式，便于在Blender等软件中进行再编辑，适用于各种形状和物体的建模需求。

LangChain-Emoji是一个基于LangChain开发的开源表情包斗图Agent，利用AI技术使用户能够通过表情包进行有趣的互动。项目结合了OpenAI和ZhipuAI的API，使用Python进行开发，支持多种大模型和向量数据库。用户可以通过输入提示词，系统会从表情包数据库中检索并展示最匹配的表情包。项目还提供了数据初始化工具，用户可以通过本地或云存储服务下载并管理表情包数据集。此外，项目包含一个Web前端界面，用户可以实际体验表情包的检索和展示。项目详细说明了环境配置、依赖安装和运行步骤，便于用户快速部署和使用，并计划支持更多的模型和功能，增强表情包斗图的互动性和趣味性。

VIMA是一款连接了机械臂的语言模型（LLM），能够接收多模态的指令，支持文字、图片、视频等输入形式。该系统能够逐步感知环境并采取实际动作，支持多模式提示，使任务描述简单灵活，统一多种任务，如视觉目标达到、视频演示模仿、学习新概念和满足安全限制。作为一个开源项目，VIMA提供了代码、预训练模型、数据集和物理模拟基准，无需付费或填写表格，便于用户使用和开发。

OpenAI AI Safety Approach 是 OpenAI 为提升其人工智能系统安全性而采取的综合策略。该策略通过严格的安全测试、外部专家反馈和从实际应用中学习，确保 AI 技术的安全性和广泛益处。项目涵盖多个领域，包括保护儿童、尊重隐私、提高事实准确性等，旨在防止 AI 系统的滥用和潜在危害。

AI SDK 是一个 TypeScript 工具包，旨在帮助开发者使用 Next.js、React、Svelte、Vue 等流行框架以及 Node.js 等运行时构建 AI 驱动的应用程序。它提供了与多种模型提供商（如 OpenAI、Anthropic、Google 等）交互的统一 API，并提供了框架无关的钩子，用于构建聊天机器人和生成式用户界面。AI SDK 由核心模块和 UI 模块组成，核心模块负责与模型提供商的集成，UI 模块则提供了在不同框架中构建 AI 应用的钩子。

Aleph Alpha是一个前沿的AI平台，旨在改变企业和政府与人工智能的互动方式，提供符合高标准的合规性、透明性和安全性的先进大型语言模型和生成AI能力。

Multi-Translator 是一款免费的Chrome扩展，允许用户通过Google翻译、OpenAI（ChatGPT）和Microsoft翻译来翻译外文网站内容。

ChatGPT Pro是OpenAI提供的高级订阅服务，月费约为24美元，专为需要强大AI能力的用户设计。它提供无限制访问多种高级AI模型，包括o1、o1-mini、GPT-4o和Advanced Voice，并包含o1 pro模式，适用于需要深度计算资源的复杂问题。该服务在数学、科学和编码等领域表现优异，并支持多媒体生成和深度研究扩展。

Qwen2.5-VL是一款功能强大的多模态语言模型，擅长视觉-语言任务，具备增强的文档解析、物体定位和视频理解能力。

Minions是一个通信协议，旨在实现本地小模型与云端大模型之间的高效协作，能够显著降低云端处理成本，同时灵活适配多种模型以满足不同需求。该项目结合了最新的研究成果，支持Ollama和OpenAI等前沿技术，极大地提升了模型的处理效率和灵活性。

Ola是一个开源的全能多模态语言模型，旨在打破多模态理解的边界，支持文本、图像、视频和音频的全面理解。它采用渐进式模态对齐策略（PMA），通过三个阶段（文本-图像、语音、视频）逐步扩展模型能力，确保在不同模态间的性能平衡。Ola-7B版本在OpenCompass多模态排行榜上平均得分72.6，排名第一，是参数少于15B的模型中表现最佳的。此外，Ola支持实时流式解码功能，增强文本和语音交互的流畅性，适合需要高级交互体验的场景。