GPT-4.5官网 – OpenAI最新高性能语言模型

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。

Ferret-UI 是一个多模态大型语言模型，旨在更好地理解移动用户界面。它具有处理和理解用户界面屏幕的能力，特别是在引用、定位和推理方面，能够有效地处理图像和文本信息，并支持从基础到高级的UI任务训练。该模型还具备任意分辨率技术，可以放大细节，并在各种引用和定位任务上表现优异。

Whisper Turbo 是 Open AI 开源的一个新型 Whisper turbo 模型，基于 Large v3 模型的蒸馏，显著提高了运行速度和效率。该模型在保持高准确度的同时，提供了更佳的显存使用效率，适用于多种音频处理任务。

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。

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。

GPT-4o 是 OpenAI 于 2024 年 5 月发布的最新大型语言模型，具备多模态能力，能够处理文本、图像和音频。它比前代模型 GPT4-Turbo 更快、更便宜，并在多语言和视觉任务中表现出色。GPT-4o 支持实时语音交互和代码生成，适用于广泛的应用程序开发和个人使用场景。

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。

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。

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。

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。

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。

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。

OpenAI是一家专注于创建安全的人工通用智能（AGI）的公司，旨在造福全人类。他们在人工智能领域开展开创性的研究，开发先进的模型和技术。

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。