跳到正文

Ferret-UI-Llama8b

以用户界面为中心的多模态模型

访问官网

Ferret-UI-Llama8b 是什么

Ferret-UI 被介绍为首个以用户界面为中心的多模态大型语言模型,面向指代、定位与推理任务。

你可以用它做什么

  • 下载所需的 Python 文件
  • 准备图像文件和提示文本
  • 调用 inference_and_run 并可指定 bounding box

优点与缺点

✓ 我们认可的地方

  • 支持基于图像和文本的对话交互
  • 包含基于图像内容的文本生成

! 需要留意的地方

  • 构建方向围绕用户界面任务
  • 推理需准备本地 Python 文件与图像

常见问题

基于哪些底座模型?

资料说明基于 Gemma-2B 和 Llama-3-8B 构建。

怎么指定图像区域?

资料说明可在推理调用时指定 bounding box 来圈定区域。

最后评测: 2026-11-15

更多 AI 编程工具 工具

查看全部 →

评测方法