这是Qwen2.5-VL-3B-Instruct模型的GPTQ-Int4量化版本，适用于图像文本到文本的多模态任务，支持中文和英语。

mPLUG-DocOwl2是一款无需OCR的多页文档理解多模态大语言模型，通过高分辨率文档压缩器高效编码文档内容。

Llama 3.2 是 Meta 发布的多语言多模态大型语言模型，支持图像文本到文本的转换任务，具备强大的跨模态理解能力。