Modèles IA

Modèle de DeepMind et Isomorphic Labs pour la prédiction de structures macromoléculaires biologiques.

Modèle de langage large multimodal d'OpenAI, capable d'une compréhension et génération de texte et d'images sophistiquée.

Modèle de DeepMind ayant résolu le problème du repliement des protéines.

Modèle révolutionnaire de DeepMind pour la prédiction de la structure 3D des protéines à partir de leur séquence d'acides aminés.

Le modèle multimodal le plus puissant de la suite Gemini de Google.

Claude 4

ai

★ Top

Modèle d'Anthropic axé sécurité et raisonnement long.

Le modèle le plus performant de la famille Claude 3 d'Anthropic, excellant en raisonnement et compréhension.

GPT-5

ai

★ Top

Modèle multimodal phare d'OpenAI.

Le modèle le plus avancé de Google DeepMind, conçu pour des tâches complexes et multimodalité supérieure.

La dernière itération du modèle de reconnaissance vocale multilingue de haute qualité d'OpenAI.

Bibliothèque open-source offrant des milliers de modèles pré-entraînés pour le NLP et la vision par ordinateur.

Un modèle de langage open-source de Mixtral AI, grand et efficace, basé sur l'architecture Mixture-of-Experts.

Plateforme centralisée pour la distribution de milliers de modèles d'IA open-source pré-entraînés.

Famille de modèles d'Anthropic, réputés pour leur sécurité et leur haute performance.

Plateforme avancée de synthèse et de clonage de voix offrant des voix réalistes et expressives.

Un modèle de reconnaissance vocale polyvalent capable de comprendre plusieurs langues.

Famille de grands modèles de langage open-source de Meta AI, conçue pour la recherche et le développement.

Modèle de traduction neuronale couvrant 200 langues sans passer par l'anglais.

Bibliothèque open-source de modèles pré-entraînés pour le traitement du langage naturel, la vision par ordinateur et plus.

Modèle d'OpenAI qui apprend des représentations visuelles à partir du texte, permettant des requêtes zéro-shot.

Modèle de génération d'images d'OpenAI avec une intégration profonde à ChatGPT, produisant des images de haute qualité.

Modèle de reconnaissance vocale multi-langue de haute qualité d'OpenAI.

Un LLM spécialisé pour les applications médicales et de santé, développé par Google.

Architecture de réseau neuronal pour contrôler les grands modèles de diffusion d'images avec des conditions supplémentaires.

Gemini 2.5 Pro

ai

★ Top

Modèle multimodal de Google avec contexte massif.

Modèle d'apprentissage auto-supervisé de Meta pour la vision par ordinateur, sans étiquetage.

Le modèle de DeepMind surpassant des compétiteurs humains en programmation algorithmique.

Modèle de segmentation universelle d'images de Meta AI.

Modèle de Meta qui lie différents modes sensoriels en un espace d'embeddings commun.

Modèle de segmentation d'images de Meta capable de 'découper' n'importe quel objet d'une image.

Plateforme d'IA vocale pour la synthèse et le clonage de voix réalistes et expressives.

Modèle TTS de Microsoft capable de générer de la parole avec la voix d'un locuteur après seulement 3 secondes d'audio.

Un modèle texte-vers-image photoréaliste de Google.

Framework de représentation d'apprentissage auto-supervisé pour l'audio, spécialisé dans la reconnaissance vocale.

Le modèle de reconnaissance automatique de la parole de Google supportant plus de 300 langues.

Modèle de reconnaissance automatique de la parole (ASR) capable de transcrire l'audio en texte dans de nombreuses langues.

Modèle de Meta AI capable de segmenter n'importe quel objet dans une image avec un seul clic.

Modèle multimodal puissant de Microsoft, capable de comprendre et de générer du texte et des images.

Système de génération d'images basé sur Discord, réputé pour son esthétique artistique unique.

Système d'IA de DeepMind capable de participer à des compétitions de programmation.

Technique de rendu de scènes 3D à partir de plusieurs images 2D, créant des vues photoréalistes.

Plateforme avancée de synthèse vocale et de clonage de voix, avec des voix très réalistes.

Embeddings unifiés par OpenAI pour représenter le texte et l'image dans un espace commun.

Modèle open-source phare de génération d'images basé sur la diffusion.

Modèle multimodal de Google spécialisé dans les informations médicales et les données.

Un modèle de génération vidéo unifié et réaliste de Google Research.

Un grand modèle de langage open-source développé par le Technology Innovation Institute (TII) d'Abu Dhabi, avec 180 milliards de paramètres.

Modèle de NVIDIA pour la reconstruction 3D photoréaliste d'objets ou de scènes à partir de vidéos 2D.

Modèle de langage le plus populaire d'OpenAI, puissant et polyvalent pour diverses tâches textuelles.

Dernière version d'un modèle de détection d'objets en temps réel, connue pour sa vitesse et sa précision.

Modèle de texte-vers-image open-source pour la génération d'images haute résolution.

Grand modèle de langage propriétaire de Mistral AI, performant sur diverses tâches.

Modèle de Google qui a révolutionné la compréhension du langage naturel.

Modèle d'IA de nouvelle génération offrant des performances améliorées en raisonnement, encodage et génération de contenu.

Modèle de génération vidéo open-source de Stability AI, créant des vidéos à partir d'images ou de texte.

Génération d'images en temps réel avec des performances accrues.

Un moteur de recherche conversationnel basé sur l'IA fournissant des réponses sourcées.

API officielle pour les modèles Gemini multimodaux.

Extension de Whisper qui ajoute l'horodatage précis des mots et la diarization des locuteurs.

Modèle de réseau génératif antagoniste de pointe (GAN) pour la génération d'images ultra-réalistes, avec une meilleure invariance de translation.

Modèle de génération d'images open-source de Stability AI, produisant des visuels haute qualité à partir de texte.

Un modèle MoE de Databricks, conçu pour la performance et le coût-efficacité.

Modèle de reconnaissance vocale de Google, supportant plus de 300 langues avec une précision élevée.

Un modèle multimodal de DeepMind qui intègre la vision et le langage.

Modèle multimodal de Meta AI pour la traduction vocale et textuelle transparente et multilingue.

Modèle de langage open-source compact mais performant de Mistral AI.

Détection en temps réel des poses humaines (corps, visage, mains) à partir d'images/vidéos.

Suite d'outils basés sur l'IA pour l'édition et la génération d'images, incluant des fonctionnalités uniques.

Version de Gemini optimisée pour les développeurs et les applications courantes, avec des capacités multimodales.

Modèle de langage sparse open-source de Mistral AI, offrant des performances élevées avec une efficacité accrue.

Modèle de génération vidéo avancé de RunwayML, visant le réalisme et le contrôle.

Modèle de segmentation d'images universelle, capable d'identifier tous les objets dans une image.

Un agent multimodal de DeepMind capable de performancer sur une multitude de tâches.

Modèle de synthèse vocale text-to-speech multilingue, zero-shot et multilocuteur, pour le clonage de voix.

Un modèle puissant pour la génération de vidéos à partir de texte ou d'images.

Modèle de génération d'images de Google qui excelle dans le photoréalisme.

Modèle multimodal de Meta pour la traduction et la transcription speech-to-speech et speech-to-text dans de nombreuses langues.

Modèle de synthèse vocale de Microsoft capable de cloner des voix à partir de courts échantillons.

Des versions fine-tunées du modèle Whisper d'OpenAI pour des domaines spécifiques ou des langues.

La troisième génération des architectures StyleGAN de NVIDIA pour une synthèse d'images haute résolution sans artefacts.

Modèle d'édition d'image par instruction, modifiant des images à l'aide de commandes textuelles.

Modèle de reconnaissance vocale interlingue basé sur Wav2Vec 2.0, entraîné sur 53 langues.

Modèle multimodal qui génère des sorties cohérentes à partir de diverses entrées : texte, audio, image, vidéo.

Version multimodale de Gemini Pro, capable d'analyser des images et du texte.

Modèle de langage spécialisé dans la génération et la complétion de code, supportant plus de 80 langages de programmation.

Un projet open source de Mozilla pour la collecte de données vocales multilingues.

Cadre open-source de NVIDIA pour la construction, l'entraînement et le déploiement de LLMs.

Génération d'images haute résolution et haute fidélité avec contrôle sémantique accru.

Un modèle de synthèse vocale de Microsoft capable de générer de la parole personnalisée avec seulement quelques secondes d'échantillon.

Plateforme qui permet aux développeurs de faire tourner plus de 100 000 modèles d'IA pré-entraînés via une API simple ou de partager les siens.

Modèle multimodal d'OpenAI qui relie texte et images.

Boîte à outils de développement pour la parole, le texte et les modèles multimodaux de NVIDIA.

Système de reconnaissance vocale polyvalent d'OpenAI, entraîné sur un large ensemble de données audio multilingues.

Grand modèle linguistique de Google pour une large gamme de tâches conversationnelles et textuelles.

Nouvelle itération des modèles open-source Llama de Meta, offrant des performances améliorées et de nouvelles tailles.

Modèle LLM rapide et rentable d'Anthropic, axé sur la sûreté et la performance.

Interpréteur de langage AI open-source qui exécute du code, accède à des fichiers et utilise des API.

Modèle de langage large de Google, successeur de LaMDA et PaLM, optimisé pour le multilingue et le raisonnement.

Modèle de génération de vidéos text-to-video rapide et cohérent.

Dataset vocal multilingue et open-source de Mozilla pour l'entraînement de la reconnaissance vocale.

Modèle de génération vocale polyvalent de Meta, capable de synthèse, d'édition et de stylisation vocale.

Suite de grands modèles de langage open-source de Meta AI, optimisés pour le dialogue.

Modèle de génération de parole par Suno AI, capable de produire du discours réaliste et non-linguistique.

Modèles d'embeddings de Voyage AI optimisés pour la recherche sémantique et le RAG.

Modèle de Meta AI qui apprend un espace d'intégration unifié entre six modalités différentes.

Famille de modèles multimodaux de Google, allant de très légers à très performants.

Modèle de vision-langage multimodal basé sur BLIP-2, capable de suivre des instructions pour des tâches visuelles.

Famille de grands modèles de langage open-source de Meta, offrant diverses tailles de paramètres.

Génère des représentations vectorielles de texte pour une variété de tâches NLP.

Grand modèle de langage open-source des Émirats arabes unis, compétitif face aux modèles propriétaires.

Implémentation optimisée d'arbres de décision boostés par gradient, largement utilisée en data science.

Version de Llama de Meta AI optimisée pour la génération et la complétion de code.

Modèle de langage puissant de Mistral AI, avec de fortes capacités de raisonnement.

Version améliorée d'un modèle de génération d'images open-source populaire, avec des capacités accrues.

Système multimodal de traduction et de reconnaissance vocale prenant en charge de nombreuses langues.

Llama 3.3

ai

Modèle open weights de Meta.

Modèle GAN de NVIDIA pour la génération d'images ultra-réalistes, particulièrement des visages humains.

Modèle de DeepMind pour la génération de parole ultra-réaliste.

Modèle d'IA de Luma Labs pour la génération de vidéos hyper-réalistes en temps réel.

Modèles de langage (LLM) et multimodaux développés par Alibaba Cloud, avec des versions open source disponibles.

Modèle d'édition d'images qui utilise des instructions textuelles pour modifier des images existantes.

Mistral Large

ai

Modèle phare français de Mistral AI.

Modèle de langage de pointe développé par Shanghai AI Laboratory, avec des capacités multilingues.

Famille de grands modèles de langage open-source d'Alibaba Cloud, avec un focus sur la langue chinoise.

Modèle de langage large optimisé pour le RAG (Retrieval-Augmented Generation) et les entreprises.

Modèle de génération de vidéo de RunwayML, capable de créer des vidéos à partir de texte, d'images ou d'autres vidéos.

Modèle d'apprentissage profond qui applique l'architecture Transformer aux tâches de vision par ordinateur.

Modèle de génération de musique de Meta, produisant des morceaux à partir de descriptions textuelles ou mélodiques.

Modèle conversationnel de Google conçu pour des dialogues ouverts et naturels.

Modèle de Google de génération d'images texte-vers-image basé sur des transformeurs masqués, rapide et de haute qualité.

Modèles de langage de petite taille de Microsoft, optimisés pour le raisonnement.

Modèle multimodal de Meta AI capable de comprendre le langage, l'audio et la vision.

Modèle multimodal qui connecte les LLM avec la compréhension visuelle pour des instructions complexes.

Famille de grands modèles de langage de Meta AI spécialisés dans le code.

API de transcription vocale avancée avec reconnaissance contextuelle et personnalisable.

Génération de musique conditionnée par des descriptions textuelles.

Estimations de pose 6D d'objets multiples en temps réel.

Un framework de NVIDIA pour l'entraînement à grande échelle de modèles Transformer.

Un grand modèle de langage et de vision (LVLMs) qui suit les instructions pour diverses tâches multimodales.

Un modèle de NVIDIA pour la synthèse de maillages 3D de haute qualité à partir de descriptions textuelles.

Famille de modèles multimodaux de Meta AI pour la génération rapide d'images et l'édition guidée par texte.

Une plateforme de génération vidéo IA basée sur le texte ou l'image, axée sur la créativité et la facilité d'utilisation.

Framework de NVIDIA pour la construction de services vocaux conversationnels par IA haute performance.

La plus grande variante de LLaMA 2, fine-tunée pour les dialogues et les interactions conversationnelles.

Modèle multimodal performant combinant des modèles de vision et de langage pour l'alignement image-texte, avec des LLM zero-shot.

Grande famille de modèles de langage de Google, excelle en raisonnement et multilingue.

La dernière itération de la famille de modèles 'You Only Look Once' pour la détection d'objets en temps réel.

SDK d'IA conversationnelle pour le déploiement de services de voix et de texte en temps réel sur GPU.

Modèle phare de RunwayML pour la génération de vidéos à partir de texte, d'images ou d'autres vidéos.

Un modèle open-source pour l'estimation de pose 6D d'objets, utilisé en robotique et AR.

Modèle de génération d'images basé sur des réseaux de diffusion en cascade, offrant un contrôle fin et une haute qualité.

Modèle de langage Pathway à grande échelle de Google AI.

Modèle permettant de classer des images sans exemples préalables pour une nouvelle catégorie.

Modèle de génération audio de Google DeepMind capable de synthétiser des séquences de parole et de musique.

Modèle de Google AI pour la synthèse audio haute fidélité à partir de texte.

Cadre de Meta pour la génération de musique et d'audio à partir de texte.

Agent conversationnel IA de Google, alimenté par la famille PaLM 2 et Gemini Pro.

Un modèle de synthèse vocale multi-locuteurs et multilingue à faible latence, avec clonage de voix.

Une version légère et rapide du modèle Whisper d'OpenAI.

Assistant de programmation basé sur l'IA qui suggère du code en temps réel.

Modèle d'IA générative de musique à partir de texte, capable de créer des chansons complètes.

Service cloud de Nvidia pour la création de contenu 3D génératif et d'images.

Un projet de recherche collaboratif pour entraîner des LLM massifs avec des centaines de milliards de paramètres.

Framework open-source de conversion de voix basé sur la récupération, pour le clonage et le transfert de voix.

Modèle de génération audio conditionnelle, créant des sons et du bruit à partir de texte.

Modèle génératif de DeepMind pour la synthèse vocale très réaliste utilisant des réseaux convolutifs.

Suite de modèles de Meta pour générer de l'audio et de la musique à partir de texte.

Extension de Whisper pour une transcription audio plus précise avec alignement temporel.

Modèle de Meta AI pour la génération de vidéos à partir de texte, démontrant la puissance de la diffusion textuelle.

Génération de voix multilingue de haute qualité avec clonage et contrôle émotionnel.

Un modèle de synthèse vocale multi-locuteurs et multilingue à faible latence, avec clonage de voix.

Modèle de Meta AI pour la génération de musique basée sur des descriptions textuelles.

Modèle de NVIDIA pour générer des modèles 3D haute qualité à partir de texte.

Un modèle de langage de petite taille optimisé pour l'efficacité avec plus de données.

Système de reconnaissance faciale de Facebook (Meta AI).

Modèle de Google qui formule toutes les tâches NLP comme des tâches texte-à-texte.

Un puissant modèle de langage développé par MosaicML, optimisé pour l'entraînement et l'inférence.

Modèle de Stable AI pour la génération audio réaliste à partir de texte.

Modèle de Nvidia pour la création d'images à partir de croquis ou de descriptions textuelles.

Extension de DETR qui améliore la convergence et les performances pour la détection d'objets avec des Transformeurs.

Grand modèle de langage open-source développé par 01.AI, offrant des performances compétitives sur un large éventail de tâches.

Plateforme pour la cartographie, l'organisation et la visualisation de vastes collections d'embeddings de données textuelles ou d'images.

Bibliothèque de synthèse vocale open-source avec de nombreux modèles pré-entraînés.

Application et modèle permettant de créer et d'interagir avec des personnages IA.

Transforme des vidéos 2D en animations de personnages 3D réalistes.

Boîte à outils tout-en-un pour le traitement de la parole.

Implémentation open-source de CLIP, un modèle capable de comprendre des images et du texte en tandem.

Un modèle de Google Brain pour la complétion d'images (inpainting) avec des résultats réalistes.

Intègre un LLM pour des réponses directes et des résumés lors de la recherche sur le web.

Une suite de grands modèles de langage développée par le Shanghai AI Laboratory, avec des performances compétitives sur diverses tâches.

Modèle multimodal de DeepMind capable de traiter divers types de données d'entrée flexibles.

Un framework open-source pour la reconnaissance faciale basé sur le deep learning.

Extensions du modèle Perceiver pour la génération autonome et multimodale.

Plateforme unifiée et open-source pour développer des systèmes de traitement de la parole.

Modèle de génération d'images text-to-image de Stability AI, axé sur la cohérence visuelle et le photoréalisme.

Modèle open-source de Stability AI pour générer des vidéos à partir de texte ou d'images.

Série de LLMs open-source de Shanghai AI Laboratory, axés sur la performance et l'efficacité.

Cadre général d'IA qui répond à des questions sur le contenu d'une image en langage naturel.

Modèle multimodal de 01.AI combinant le LLM Yi avec des capacités de compréhension visuelle.

Modèle qui édite des images à partir d'instructions textuelles, permettant des modifications précises.

Grand modèle linguistique multilingue et open-source développé collectivement par la communauté BigScience.

Modèle de génération d'images texte-vers-image développé par SberAI, rivalisant avec les leaders.

Modèle de Luma AI pour la génération de vidéos et la reconstruction 3D à partir d'images.

Inpainting d'images avancé pour la suppression d'objets ou la complétion.

Une famille de modèles de langage de grande taille entraînés sur des conversations d'assistants humains.

Modèle génératif de OpenAI pour la musique avec des paroles cohérentes, dans divers styles et genres.

Modèle de langage large développé par Alibaba Cloud, offrant des capacités multilingues pour diverses tâches.

Petit modèle de langage de Microsoft, optimisé pour les appareils et les performances.

Plateforme open-source pour entraîner, déployer et évaluer des LLM, incluant le modèle Vicuna.

Modèle d'OpenAI générant de la musique avec paroles et styles variés.

Transforme des vidéos existantes avec des styles et des éléments de référence.

Plateforme de génération de vidéos à partir de texte et d'images, pour la création d'animations.

Modèle de conversion de voix basé sur la récupération, permettant le changement de voix avec conservation de l'intonation.

Réimplémentation open-source du modèle CLIP d'OpenAI, entraîné sur des données publiques pour l'alignement image-texte.

Suite de modèles de Microsoft conçue pour le raisonnement et l'apprentissage de petits modèles avec des données synthétiques.

Modèle de langage de xAI (Elon Musk), avec un accès en temps réel à l'information via X.

Modèle capable de générer de l'audio à partir de descriptions textuelles ou de compléter des audios existants.

Plateforme basée sur l'IA pour la capture de mouvement à partir de vidéos 2D.

Toolkit open-source d'Intel pour optimiser et déployer des modèles d'inférence d'IA sur le matériel Intel.

Famille de modèles de langage légers et open-source de Google DeepMind, inspirés de Gemini.

Modèle de synthèse vocale open-source de Coqui AI, spécialisé dans le zéro-shot clonage de voix multilingue.

Collection de modèles LLM open-source exécutables localement sur des CPU à faible puissance.

Modèle de Meta AI pour la génération de courtes vidéos à partir de prompts textuels.

Outil d'animation par IA qui convertit des vidéos 2D en animations 3D réalistes.

La plus petite version du modèle Whisper d'OpenAI, compacte et optimisée pour l'inférence locale.

Architecture de réseau neuronal profond de Google utilisant des convolutions séparables en profondeur.

Génération et édition d'images et de vidéos par Meta.

Modèle d'OpenAI pour générer des nuages de points 3D à partir de descriptions textuelles.

Petit modèle de langage de Microsoft, optimisé pour les déploiements locaux et edge devices.

Un assistant conversationnel open-source, basé sur le prompt engineering.

Modèle pour la compréhension du mouvement sémantique et la prédiction dans les vidéos.

Modèle de langage de grande taille avec une fenêtre contextuelle étendue, optimisé pour la compréhension et la génération de code.

Une famille de LLM open-source efficaces pour le Cloud AI.

Assistant conversationnel open-source, entraîné sur des données générées par la foule, visant à concurrencer les modèles propriétaires.

Boîte à outils open-source pour ajouter des garde-fous aux applications LLM.

Outil basé sur l'IA pour la conversion automatique de vidéos 2D en animations 3D (motion capture).

Modèle de génération musicale de OpenAI, capable de créer de la musique avec paroles et instrumentation dans divers genres.

Un grand modèle linguistique développé par AI21 Labs, compétitif avec d'autres LLM majeurs.

Modèle unifié pour le traitement de données multimodales (texte, image, son) en réduisant la complexité.

Famille de modèles de langage open-source de Meta, conçus pour la recherche.

Algorithme de deep learning pour l'inpainting d'images robuste, capable de combler des régions manquantes de manière cohérente.

Plateforme et modèle pour la cartographie, l'indexation et la visualisation de vastes ensembles de données d'embeddings.

Modèle pour animer des visages 3D en utilisant l'audio, permettant une synchronisation labiale réaliste.

Dérivations expérimentales et affinées de Llama.

Modèle de génération de vidéos text-to-video à partir de descriptions textuelles en chinois.

Modèle expérimental pour la génération de vidéos stylisées et cohérentes.

Modèle de génération de vidéos text-to-video, développé par Zhipu AI.