AI 模型库：从模型能力到产品选择

CLIP（对比语言-图像预训练）由OpenAI开发，是一个在4亿图像-文本对上训练的神经网络。ViT-B/32变体使用补丁大小为32的视觉变换器。它通过计算图像和文本嵌入之间的相似度实现零样本图像分类。

MobileNetV3 Small（100%宽度）是一种轻量级、高效的卷积神经网络，用于图像分类，在ImageNet-1k上使用LAMB优化器预训练。它在准确率和计算量之间取得了良好的平衡，非常适合移动和边缘设备。

SDXL 1.0 是被广泛使用的开源图像生成模型，适合自托管创意和商业实验。

Qwen2.5-VL 72B 是适合视觉理解、文档解析和图像密集场景的开源多模态模型。

FLUX.1 Dev 是热门的开放权重图像模型，适合探索自托管创意流程的团队。