阿里巴巴云推出的专为聊天应用设计的强大的视觉语言模型，结合了图像和文本输入，能够生成准确的文本和边界框输出，增强了图像描述、问答、定位和文本-图像理解等任务的能力。
Qwen-VL是一个支持多种模态输入的高性能项目，旨在提供图像理解和生成能力，并具备灵活的API接口，适合多种应用场景。
来自艾伦人工智能研究所（Allen Institute for AI）的新模型Unified-IO 2，能够处理图像和语言的多模态模型之一。
Janus是一个多模态理解和生成一体的模型，能够同时理解图片内容并生成新图像。它通过解耦设计来满足理解和生成任务对视觉编码器的不同需求，采用统一的自回归变换器架构处理各种模态的输入。
MiniGPT-4是一款结合视觉与语言的大模型，能够基于图片内容生成描述、回答问题，甚至进行推理分析。它在视觉理解和自然语言处理方面表现出色，可识别图像细节、物体关系，并结合上下文提供智能解读。MiniGPT-4是GPT-4的开源版本，提供强大的自然语言处理能力，适用于多种AI应用场景，包括图像描述生成、文本与图像的问答、图像内容分析以及多模态信息检索。
DreamSampler结合了扩散采样和评分蒸馏技术，旨在实现图像处理中的图像生成与操控。该项目可以通过生成模型实现图像生成，并运用基于评分的技术对现有图像进行操控，提供了强大的图像编辑和生成能力。
AI2image是一个创新的在线工具，利用人工智能将文本描述转化为视觉吸引力强的图像，满足多种创作需求。
VectorUbi是一款AI插图生成器，能够快速轻松地为内容创作者、开发者和营销人员创建插图。只需输入描述，VectorUbi便可在几秒钟内生成插图。
AutoDraft是一个先进的生成式AI工具，能够通过自然语言描述和现有图像创建惊艳的视觉作品，支持文本到图像、图像到图像和AI绘画等多种技术。
Ferret是来自苹果的新型多模态大型语言模型，擅长图像理解和语言处理，尤其在理解空间参考方面展现了显著的优势。
exploraNote是一个数字助手，旨在帮助手动测试人员在探索性测试过程中组织笔记、生成结构化报告，并利用自然语言处理技术建议关注领域。它使测试人员能够在测试会话中捕捉笔记，实时获取建议，并自动生成详细、可操作的报告。
LazyGraphRAG 不需要事先汇总源数据，从而避免了前期索引成本。以迭代深化的方式结合了最佳优先和广度优先搜索动态，显著提高答案生成的效率。
WorkGPT是一个智能体框架，类似于AutoGPT或LangChain，用户可以提供指令和API数组，系统将与AI进行多轮交流，直到完成任务，能够支持多种API的交互，灵活适用于多种应用场景，易于集成和扩展。
