ainvfx-fluid
AInVFX基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗DISCOVER & COMPARE
探索 AI 模型 84849
SeedVR2_comfyUI
AInVFXThis repository contains additional upscale models for SeedVR2 video upscaling, complementing the main numz/SeedVR2_comfyUI repository. SeedVR2 is a high-quality video upscaling model that uses diffusion techniques to enhance video resolution while maintaining temporal consistency. This implementation is optimized for ComfyUI and supports both standalone and multi-GPU operation. The GGUF format models in this repository are sourced from cmeka/SeedVR2-GGUF, where additional GGUF versions and quantizations are available. We acknowledge and appreciate cmeka's work in converting these models to GGUF format.
译文排队中 · 当前显示来源原文
输入 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Aion-2.0
aion-labsAion-2.0 is a variant of DeepSeek V3.2 optimized for immersive roleplaying and storytelling. It is particularly strong at introducing tension, crises, and conflict into stories, making narratives feel more engaging....
译文排队中 · 当前显示来源原文
输入 文本→ 输出 文本
$0.8 / M 输入 TokenOpenRouter · aion-labs/aion-2.0
查看详情 ↗Aion-3.0
aion-labsAion-3.0 is a multi-model roleplaying and storytelling system from AionLabs, built on the GLM family of models. It uses a collaborative generation process in which multiple specialized models each contribute...
译文排队中 · 当前显示来源原文
输入 文本→ 输出 文本
$3 / M 输入 TokenOpenRouter · aion-labs/aion-3.0
查看详情 ↗Aion-3.0-Mini
aion-labsAion-3.0 Mini is a multi-model roleplaying and storytelling system from AionLabs, built on the DeepSeek family of models. It uses a collaborative generation process in which multiple specialized models each...
译文排队中 · 当前显示来源原文
输入 文本→ 输出 文本
$0.7 / M 输入 TokenOpenRouter · aion-labs/aion-3.0-mini
查看详情 ↗Aion 3.5
aion-labsAion 3.5 是一款由 AionLabs 开发的多模型角色扮演与叙事系统，基于 GLM 系列模型构建。它采用一种协作式生成流程，其中多个专用模型各自……
输入 文本→ 输出 文本
$3 / M 输入 TokenOpenRouter · aion-labs/aion-3.5
查看详情 ↗Aion 3.5 Mini
aion-labsAion 3.5 Mini 是一款由 AionLabs 推出的多模型角色扮演与叙事系统，基于 GLM 系列模型构建。它是 Aion 3.5 的更小型、低成本版本，采用……
输入 文本→ 输出 文本
$0.7 / M 输入 TokenOpenRouter · aion-labs/aion-3.5-mini
查看详情 ↗Aion-RP 1.0 (8B)
aion-labsAion-RP-Llama-3.1-8B ranks the highest in the character evaluation portion of the RPBench-Auto benchmark, a roleplaying-specific variant of Arena-Hard-Auto, where LLMs evaluate each other’s responses. It is a fine-tuned base model...
译文排队中 · 当前显示来源原文
输入 文本→ 输出 文本
$0.8 / M 输入 TokenOpenRouter · aion-labs/aion-rp-llama-3.1-8b
查看详情 ↗Aion-RP-Llama-3.1-8B-GGUF
aion-labs基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗digit-recognition
aipanjabRecognises one handwritten Gurmukhi digit (੦ ੧ ੨ ੩ ੪ ੫ ੬ ੭ ੮ ੯) in an image. It is the model behind the digit recognition on AI Panjab. **Try it without code:** the Space: draw a digit and get the top three guesses. The Space also has a **Use via API** page (Python, JavaScript, curl). 1. a transparent background (RGBA) is put on white; any other image is converted to RGB; 2. grayscale with the ITU-R 601 weights: `0.2989 R + 0.5870 G + 0.1140 B`, kept in floating point; 3. resized to 28 x 28 with bilinear (antialiased) resizing.
译文排队中 · 当前显示来源原文
输入 图像→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗inst_ft_qwen_0.6b_summ
aipatseer基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Tinati3
aiPhone13基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Florence-2-VQAJP2
aipib基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本 · 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗llmjp-aya-slerp
aipib基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗mistral-24b-ru-uncensored-gguf
aiplatforms基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗ru-girlfriend-roleplay-1.5b-gguf-q8
aiplatforms基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗ru-uncensored-v2-gguf
aiplatforms基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗wav2vec2-base-drum-kit
airasoul基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 音频→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗erawan-1
Airavat-ai基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗wangchanberta-base-att-spm-uncased
airesearchPretrained RoBERTa BASE model on assorted Thai texts (78.5 GB). The script and documentation can be found at this repository. The architecture of the pretrained model is based on RoBERTa [[Liu et al., 2019]](https://arxiv.org/abs/1907.11692). You can use the pretrained model for masked language modeling (i.e. predicting a mask token in the input text). In addition, we also provide finetuned models for multiclass/multilabel text classification and token classification task.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗wav2vec2-large-xlsr-53-th
airesearchFinetuning `wav2vec2-large-xlsr-53` on Thai Common Voice 7.0 We finetune wav2vec2-large-xlsr-53 based on Fine-tuning Wav2Vec2 for English ASR using Thai examples of Common Voice Corpus 7.0. The notebooks and scripts can be found in vistec-ai/wav2vec2-large-xlsr-53-th. The pretrained model and processor can be found at airesearch/wav2vec2-large-xlsr-53-th. Add `syllable_tokenize`, `word_tokenize` (PyThaiNLP) and deepcut tokenizers to `eval.py` from robust-speech-event
译文排队中 · 当前显示来源原文
输入 音频→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗gena-lm-bert-base-t2t
AIRI-Institute基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗gena-lm-bert-base-t2t-multi
AIRI-Institute基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗暂未找到匹配模型
可以调整厂商、分类或输入输出条件；新模型正持续收录。
COST EXPLORER
好模型，也要算好成本。
调整月度 Token 用量，直观比较不同模型的预估 API 开支。
1 M = 100 万 Token · 美元计价
仅比较同一渠道的基础文本 Token 报价
仅比较同一渠道的基础文本 Token 报价
使用已采集且单位可比的 USD / 百万 Token 渠道报价。报价为采集时快照；不计缓存优惠、阶梯价、推理额外输出与税费，请以来源的当前报价为准。
MODEL HANDBOOK
读懂模型，再做选择
API 价格应该怎么比较？+
先区分输入、输出和缓存价格，再使用同一任务和用量估算总费用。图像、音频和视频可能按张、时长或分辨率计费，不能直接与 Token 单价比较。
开放权重，就代表可以免费商用吗？+
不一定。必须逐一核对具体模型版本的许可证、商用限制及使用政策。自己部署还需要考虑显存、推理资源和运维费用。
排行榜第一，就是最适合我的模型吗？+
榜单取决于测试任务、版本与评测方法。建议用实际业务样本比较准确性、时延、稳定性和成本，再选择模型。