模型找得到，
下载更顺手。

Brainμ-Spike：脉冲相机影像重建 北京大学余肇飞团队与北京智源人工智能研究院（BAAI）联合开展面向 Brainmu 模型微调的脉冲相机影像重建研究。 根目录权重对应脉冲重建卷积模块。基础大模型和 LoRA 权重暂未发布；完整生成流程需要另行准备这两部分权重。代码来源与许可见 LICENSE 和 NOTICE。

Bunny-v1.1-Llama-3-8B-V Bunny是一系列轻量级但功能强大的多模态模型。该模型基于SigLIP视觉编码器和Llama-3-8B-Instruct语言模型构建，采用S²-Wrapper技术，支持图像和文本的多模态理解与处理。 提供多种即插即用的视觉编码器选择，包括EVA-CLIP和SigLIP。支持多种语言骨干模型，包括Llama-3-8B、Phi-1.5、StableLM-2、Qwen1.5、MiniCPM和Phi-2。通过从更广泛的数据源中进行精选，

Bunny-phi-2-siglip-lora Bunny是一系列轻量级但强大的多模态模型，可用于视觉语言任务。 提供多种即插即用的视觉编码器，包括EVA-CLIP和SigLIP。支持多种语言主干网络，包括Llama-3-8B、Phi-1.5、StableLM-2、Qwen1.5、MiniCPM和Phi-2。Bunny-v1.0-3B模型基于SigLIP和Phi-2构建，在相同规模的模型中表现优于最先进的MLLM，也优于更大的MLLM框架（7B），甚至可达到与13B模型相当的

该模型用于根据文本提示生成和修改图像。 非量化自回归扩散模型，支持文本到图像的生成与编辑。模型采用预训练文本编码器（Phi-2）和SDXL-VAE图像 tokenizer。 使用Hugging Face Diffusers库加载和运行模型。

本模型用于根据文本提示生成和修改视频。 非量化自回归文本到视频生成模型。使用预训练的文本编码器（Phi-2）和VAE视频分词器（OpenSoraPlanV1.2-VAE）。 使用Hugging Face Diffusers库运行。

这是一款基于文本提示生成和修改图像的模型。它是一款非量化视频自回归（NOVA）扩散模型，使用预训练的文本编码器（Phi-2）和一个VAE图像分词器（SD-VAE）。 该模型仅用于研究目的。可能的研究领域和任务包括： 艺术作品生成及设计与其它艺术创作流程中的应用。

非量化自回归文本到图像生成模型，用于根据文本提示生成和修改图像。 基于文本提示生成图像，支持图像修改。采用预训练文本编码器（Phi-2）和VAE图像分词器（SDXL-VAE）。 使用🤗 Diffusers库加载和运行模型。

精度：torch.float16 (FP16) 模型描述：这是一个基于文本提示生成和修改图像的模型。非量化视频自回归（NOVA）扩散模型，使用预训练文本编码器（Phi-2）和一个VAE图像分词器（SDXL-VAE）。 需要使用🤗 Diffusers库运行

OmniGen是一个统一的图像生成模型，能够根据多模态提示生成各种图像。该模型设计简洁、灵活、易于使用，旨在简化图像生成流程，无需加载额外的网络模块或进行复杂的预处理步骤。 OmniGen可用于执行多种任务，包括但不限于：文本到图像生成、主体驱动生成、保持身份生成、图像编辑以及基于图像条件的生成。OmniGen无需额外的插件或操作，可根据文本提示自动识别输入图像中的特征，如所需物体、人体姿态、深度图等。 如遇内存不足，可设置offload model=True。当输入多张图像

Emu3是一个开源多模态模型，通过next-token prediction（下一个token预测）任务进行训练。通过将图像和文本标记化为离散空间，Emu3在多模态序列混合数据上从头训练单个transformer。它是基于transformer架构的自回归语言模型。 图像生成：能够根据文本输入生成高质量图像，只需预测下一个视觉token。支持灵活的分辨率和风格。 视觉语言理解：具备强大的视觉语言理解能力，能够感知物理世界并提供连贯的文本响应。该能力不依赖CLIP和预训练LLM

BGE-EN-ICL 是北京智源 FlagEmbedding 团队发布的英文文本向量模型，重点支持上下文学习（In-Context Learning），用于英文语义检索和文本匹配。 用户可以在查询中提供少量任务示例，帮助模型适配新的检索任务。模型适用于文档召回、知识库检索、问答候选匹配、相似度计算和检索增强生成（RAG），并在 BEIR、MTEB 与 AIR-Bench 等评测中表现较强。 适合英文知识库、专业资料搜索、少样本检索任务和需要通过示例定义匹配规则的业务。

EVEv2是改进的无编码器视觉语言模型系列。该研究系统分析了使用预训练视觉编码器、离散分词器和从零训练的极简视觉层的视觉语言模型之间的性能差距，并开发了与主流基于编码器的模型相竞争的无编码器策略。 无编码器视觉语言模型具有结构简洁和高效部署的优势。EVEv2通过以下方式提升性能：适当分解并在统一模型中层次化关联视觉和语言，减少模态间的干扰；采用精心设计的训练策略实现有效优化。该模型展现出优异的数据效率和强大的视觉推理能力。

OPI-Llama-3.1-8B-Instruct 是一个专门针对蛋白质相关任务进行微调的大语言模型，基于 Meta-Llama-3.1-8B-Instruct 训练。该模型用于处理蛋白质科学领域的各种任务，包括序列理解、功能注释预测和知识挖掘等。 输入：自然语言形式的蛋白质序列、基因符号或基因名称相关查询 输出：基于蛋白质科学知识的预测结果，如 EC 编号、折叠类型、功能关键词、GO 术语、功能描述、组织位置或癌症预测等

OPI-Galactica-6.7B 是基于 Galactica-6.7B 模型微调得到的蛋白质领域大语言模型，使用完整的 OPI 训练集（OPI full 1.61M train.json）进行训练。该模型用于适应蛋白质相关任务。 该模型主要用于蛋白质相关任务的处理，包括序列理解、注释预测和知识挖掘。 EC 编号预测：在 split100 测试集上准确率 0.2700，price 测试集上准确率 0.0268

RoboBrain 是一个用于机器人操作的统一大脑模型，支持从抽象到具体的任务处理。该模型发表于 CVPR 2025。 基础规划模型：在阶段1-2使用通用数据集训练，阶段3使用机器人规划数据集训练，用于规划预测。 Affordance 模型 (A-LoRA)：基于基础规划模型，阶段4使用 Affordance 数据集进行 LoRA 训练，用于预测物体的可用性。

RoboBrain：用于机器人操作的统一大脑模型 本模型是一个统一的机器人操作大脑模型，能够从抽象概念到具体操作进行推理和预测。 基础规划模型：在第1-2阶段使用通用数据集训练，第3阶段使用机器人规划数据集训练，用于规划预测。

名称 Name 任务 Task 语言 Language(s) 模型 Model Github AltCLIP text-image representation 中英文 Chinese&English CLIP FlagAI 简介 Brief Introduction

BGE-Code-v1是基于LLM的代码嵌入模型，支持代码检索、文本检索和多语言检索。 优秀的代码检索性能：模型展现出卓越的代码检索能力，支持英语和中文的自然语言查询，以及20种编程语言。 强大的文本检索能力：模型保持了与同规模文本嵌入模型相当的强劲文本检索能力。