元象通用大模型，自研高性能，从零训练，国内领先，可大幅降低开发门槛与推理成本，满足不同复杂度的多任务需求。
文心千帆是百度智能云推出的产业级知识增强大模型，其名字寓意着“千帆竞发，百舸争流”，象征着百度在人工智能领域的雄心壮志和不断进取的精神。文心千帆包括基础大模型、任务大模型、行业大模型，以及丰富的工具与平台，支撑企业与开发者进行高效便捷的应用开发。它能够从海量数据和大规模知识中融合学习，效率更高，效果更好，具备知识增强、检索增强和对话增强的技术特色。
Google Gemini是由谷歌推出的一款人工智能多模态大模型，于2023年12月6日发布。这个模型具有强大的功能，能够同时识别文本、图像、音频、视频和代码五种类型的信息。它还能理解并生成主流编程语言的高质量代码，如Python、Java、C++，并且进行了全面的安全性评估。这个模型标志着人工智能领域的一个重大突破，因为它不仅能够处理文本信息，还能理解图像、音频、视频和代码等多种类型的数据。Gemini模型分为三种规模：Ultra、Pro和Nano，适用于从大型数据中心到移动设备的各种场景。
Animate Anyone是一种基于扩散模型打造的可控视频生成框架，通过图文就能制作高质量人类跳舞视频。用户只需上传一张人像，以及一段提示词，就能生成对应的视频，而且改变提示词，生成的人物的背景和身上的衣服也会跟着变化。简单来说就是，一张图、一句话就能让任何人或角色在任何场景里跳舞。
GPT-4是OpenAI开发的最新一代大型语言模型。它能够接受文本和图像输入，生成类似人类的文本输出。GPT-4在多种专业和学术基准上表现出了接近人类的水平，例如在模拟律师资格考试中取得前10%的成绩。此外，GPT-4在处理复杂任务、理解多语言和图文混合内容方面有显著的改进。它还能处理长达2.5万字的内容，是ChatGPT的8倍以上，使其在生成文本、延伸对话或分析文件方面更加强大。GPT-4还具备分析图像的能力，能够识别图片中的元素并生成相关的文本。
灵境矩阵是百度推出的基于文心大模型的智能体（Agent）平台，支持广大开发者根据自身行业领域、应用场景，选取不同类型的开发方式，打造大模型时代的产品能力。开发者可以通过prompt编排的方式低成本开发智能体（Agent），同时灵境矩阵还将为智能体（Agent）开发者提供相应的流量分发路径，完成商业闭环。
CogVideo是目前最大的通用领域文本到视频生成预训练模型，含94亿参数。CogVideo将预训练文本到图像生成模型（CogView2）有效地利用到文本到视频生成模型，并使用了多帧率分层训练策略。用于文本到视频的生成。它是基于Transformer架构的，旨在通过理解和转换文本描述来生成相应的视频内容。CogVideo能够处理大量的文本-视频对数据，并通过学习这些数据的模式来生成与文本描述相匹配的视频。
