PixelUMM：NVIDIA联合滑铁卢大学开源的MoT混合专家多模态大模型
PixelUMM是NVIDIA TLabs联合滑铁卢大学开源的多模态大模型，移除VAE与独立视觉编码器，采用MoT混合专家架构，一套模型支持图像视频理解、文生图、视频续写，适合科研原型实...
LongCat-2.5-Preview：美团推出的百万Token多模态Agent大模型
LongCat-2.5-Preview是美团发布的预览版大模型，原生100万token上下文，新增图片多模态能力，强化代码Agent能力，兼容OpenAI、Anthropic双API协议，可用于源码库重构、超长...
ZDTaichu5.0‑9B：武汉人工智能研究院推出的面向物理世界开源通用多模态大模型
ZDTaichu5.0‑9B，全称紫东太初5.0-9B，由武汉人工智能研究院发布，是一款9B参数、主打空间具身智能的开源通用多模态大模型。模型核心定位不再局限于图文问答，而是聚焦物理...
Ling-3.0-flash-VL：inclusionAI开源原生多模态MoE大模型
Ling-3.0-flash-VL是inclusionAI推出MIT协议开源原生多模态MoE大模型，支持图像、视频输入，百万级上下文，具备视觉Agent能力，支持SGLang、vLLM部署，可用于文档解析、视频...
Qwen3.8‑27B：阿里推出的 27B 原生多模态稠密开源大模型
Qwen3.8‑27B是阿里Qwen（通义千问）团队发布的270亿参数稠密（Dense）原生多模态开源大模型，归属于Qwen3.8模型系列，采用Apache 2.0开源协议，无营收门槛，个人、科研机构...
PerceptionBench：Moonshot AI开源的多模态大模型纯视觉感知专项测评基准
PerceptionBench 是 Moonshot AI（月之暗面）于2026年7月开源推出，专门面向多模态大模型（MLLM）原子级视觉感知能力的标准化评测基准，配套完整论文、数据集、可直接运行的...
Inkling：开源MoE多模态大模型，可控推理算力支持百万上下文与自主微调
Inkling 是由前 OpenAI CTO Mira Murati 创立的 Thinking Machines Lab（思维机器实验室）推出的从零完整训练、全权重开放商用通用多模态基础大模型，配套自研 Tinker 全链...
Qwen3.7-Plus：通义千问推出的多模态智能体大模型，全链路自动化编程与GUI视觉操控
Qwen3.7-Plus是由阿里达摩院通义千问团队自研、依托Qwen3.7原生基座迭代升级的多模态通用智能体大模型，主打视觉+文本+代码三位一体的自主智能体闭环能力，Qwen3.7-Plus从底...
Step‑3.7‑Flash：阶跃星辰开源的原生多模态高速Agent大模型
Step‑3.7‑Flash是阶跃星辰开源的生产级Agent专用多模态大模型，采用稀疏MoE架构，总参数198B、激活参数11B，最高生成速度400 Tokens/s，支持256K上下文与三级推理级别。模...
Mamoda2.5：字节跳动开源的多模态AI生成编辑一体化框架
Mamoda2.5 是字节跳动 Mamoda 团队自研推出的开源统一多模态大模型，依托 DiT-MoE 稀疏混合专家架构 打造，采用 AR-Diffusion 统一建模范式，实现多模态理解、内容生成、智...
Muse Spark：Meta原生多模态推理模型，三级智能体协同与视觉深度理解
Muse Spark是Meta超级智能实验室打造的首款原生多模态推理AI模型，主打文本、图像深度融合理解，提供即时、思考、沉思三级推理模式，支持16并行智能体协同与视觉思维链，在...
Kimi K2.5：月之暗面发布的开源多模态大模型，支持Agent协作与全场景智能任务执行
Kimi K2.5是由北京月之暗面科技（Moonshot AI）发布的开源多模态大模型，同步上线于Hugging Face官方仓库，是Kimi系列模型的重磅升级版本。其核心定位是“面向全场景的高性...
Step3-VL-10B：阶跃星辰开源的10B参数轻量多模态基础模型
STEP3-VL-10B是阶跃星辰（StepFun AI）开源的轻量级多模态基础大模型，核心定位是在10B（100亿）参数的紧凑规模下，实现高效性与前沿多模态智能的极致平衡，打破“参数越大...
从零部署 MiniCPM-V 4.5：详解8B多模态模型在本地环境的完整搭建流程
深度解析 MiniCPM-V 4.5 多模态大模型，手把手教你完成本地部署。支持高精度 OCR 与长视频理解，基于 Ubuntu 环境，适配 GGUF 量化，轻松在消费级硬件运行视觉语言模型。
MMSI-Video-Bench：上海AI Lab开源的视频空间智能评测基准
MMSI-Video-Bench是一款开源的视频空间智能专项评测基准。该基准聚焦多模态大模型（MLLMs）在视频场景下的空间智能能力评估，构建了覆盖“感知-规划-预测-跨视频推理”的四...