跳到正文

多模态

文本之外的能力:视觉理解、图文混合、音视频输入输出的模型与产品进展。

最新精选

第 81–83 条 · 共 83 条
3月17日周一
3月7日周五
  1. Mistral AI76

    Mistral AI 发布 Mistral OCR 文档理解模型与 API

    Mistral AI 发布 Mistral OCR,一款可处理图片和 PDF 的 OCR API,能提取文本、图片、表格和公式并保持交错顺序。API mistral-ocr-latest 已在 la Plateforme 提供,定价为 1000 pages / $,batch inference 下每美元处理页数约翻倍。

    推荐理由:Mistral OCR 将复杂文档中的文本、图片、表格和公式统一提取,并支持结构化输出与自托管,适合评估多模态文档进入 RAG 和智能体流程的方式。

2月7日周五