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 41–41 条 · 共 41 条
3月7日周五
  1. Mistral AI62

    Mistral AI 发布 Mistral OCR 文档理解 API

    Mistral AI 发布 Mistral OCR,这是一款光学字符识别 API,主打复杂文档(图像、文本、表格、数学公式)理解,输入支持图像和 PDF,可按有序方式交错输出文本与图像。

    推荐理由:原文给出 Mistral OCR 在多语言、表格与公式识别上的基准对比和定价细节,便于评估它在文档理解 RAG 流水线中的接入价值。