基于LLaMA 3.1的增强视觉指令微调工具，为多模态大型语言模型提供性能提升，公开发布8B参数模型的检查点。

Midjourney API由The Next Leg提供，是一个非官方的API，允许用户与流行的AI图像生成工具Midjourney进行交互。用户只需注册订阅计划，获取API密钥，即可开始向Midjourney API发送请求，进行各种图像生成和创意项目。

这是国内第一个真正的开源、可下载、可运行的 LLaMA2 模型，提供中文版 Llama2模型及中英文 SFT 数据集，兼容适配所有针对原版 llama-2-chat 模型的优化。

YoutubeGPT利用OpenAI的Whisper、Embedding和Davinci模型，从YouTube视频中提取文本转录，分段嵌入，并允许用户通过聊天与视频内容进行交互，提供丰富的用户体验。

Modelscope-agent 是一个用于打造智能体的工具，旨在帮助用户创建个性化的智能体体验，支持多种智能体模型的集成和自定义，其灵活性和可扩展性使其适用于多种应用场景。

Robovision.ai是一个先进的AI平台，旨在通过将视觉智能整合到智能机器中来赋能企业。这个工具在人工智能领域扮演着关键角色，提供了一系列功能，旨在增强机器解释、理解和根据视觉数据采取行动的能力。

Gemini是谷歌最大的AI模型，旨在通过加速人类进步和改善生活给人类和社会带来巨大利益。它在多个领先基准上表现出色，支持不同尺寸的优化：Ultra、Pro和Nano。Gemini从零开始构建为多模态，能够理解、操作和结合文本、代码、音频、图像和视频等不同类型的信息。

包含了从计算机视觉、自然语言处理到生物计算、气象预测等各个领域的模型，这些模型结合了幻方萤火超算集群的特点，使用并行训练、高效算子、高性能存储等方式，大幅提升原有模型的性能，节省训练时间。

Flojoy Studio是一个开源桌面应用，专为自动化测试、测量和控制硬件设备而设计，支持电路板、示波器、函数发生器、电源、机器人手臂和电机控制器等多种设备。用户可以通过下载Flojoy Studio，连接超过700种支持的台式仪器、传感器、电机、相机、数据采集板和数字万用表，构建和运行强大的基于Python的工程和AI应用，无需任何编码知识。

一个用于文档级翻译的项目，基于大型语言模型（LLMs）进行实现，并进行了一系列实验以评估其性能。

VGSE是一个用于零样本学习的工具，利用视觉基础的语义嵌入技术，能够在没有标记示例的情况下进行图像分类和视觉数据的语义理解。