Gemma 3 27B IT QAT 8bit 是一个基于 Google 的 Gemma 3 27B 模型转换而来的 MLX 格式模型，支持图文到文本的任务。

Qwen2.5-VL-7B-Instruct-GPTQ-Int4是基于Qwen2.5-VL-7B-Instruct模型进行非官方GPTQ-Int4量化的版本，支持图文到文本的多模态任务。

基于微软Phi-1.5架构的视觉语言模型，结合CLIP实现图像处理能力

这是微软Florence-2模型使用Docmatix数据集（5%数据量）以1e-6学习率微调1天后的版本

基于中文多模态预训练模型孟子-奥斯卡，在AIC-ICC中文图像描述数据集上微调而成的中文多模态图像描述模型