PaLI
Skaliertes Vision-Language-Modell von Google für Bildbeschreibungen, VQA und mehrsprachige Aufgaben
Kostenpflichtig
Multimodal
17B
Parameter
Proprietary
Lizenz
Sept. 2022
veröffentlicht
// über PaLI
Skaliertes Vision-Language-Modell von Google für Bildbeschreibungen, VQA und mehrsprachige Aufgaben
// ähnliche Modelle in Multimodal
Llama 5
Metas nächstes offenes multimodales Flaggschiffmodell für Geräte und Rechenzentren
Meta AI · Multimodal · Kostenlos
Gemini 3 Pro
Googles multimodales Flaggschiffmodell mit einem Kontextfenster von einer Million Tokens
Google DeepMind · Multimodal · Kostenpflichtig
Gemini 3.5 Pro
Googles Frontier-Modell der nächsten Generation, angekündigt, aber noch nicht vollständig veröffentlicht
Google DeepMind · Multimodal · Kostenpflichtig
GPT-4o
Omni-Modell von OpenAI mit nativer Multimodalität für Text, Bild und Audio
OpenAI · Multimodal · Kostenpflichtig
Gemini Omni Flash
Erstes Modell aus Googles Omni-Familie, das Schlussfolgern mit Videogenerierung verbindet
Google DeepMind · Multimodal · Kostenpflichtig
GPT-6.1 Terra
GPT-6.1 Terra ist das schnelle, effiziente Modell der GPT-6-Familie von OpenAI mit visuellem Schlussfolgern und Computernutzung
OpenAI · Multimodal · Kostenpflichtig