Cosmos-Reason1-7B是英伟达发布的7B参数规模的基础模型，专注于图文转文本任务。

基于Mistral Small模型的视觉编码器，支持图像文本生成任务，适配llama.cpp框架

Magma-8B是一个基于GGUF格式的图像文本到文本转换模型，适用于多模态任务处理。

专为泰英双语现实场景文档解析打造的视觉语言模型，基于Qwen2.5-VL-Instruction框架

Gemma 3是Google推出的轻量级开放模型系列，基于Gemini技术构建，支持多模态输入和文本输出。

Qwen2.5-VL-72B-Instruct的多模态大语言模型量化版本，支持图像文本到文本任务，适用于多种量化级别，从高精度到低内存需求。

Qwen2.5-VL-7B-Instruct的量化版本，使用llama.cpp进行量化，支持多模态任务，适用于图文转文本等应用场景。

基于ViLT-B32-MLM模型在VQA数据集上微调的视觉语言模型

TEMPURA是一个结合因果推理与细粒度时间分割的视频时序理解框架，通过两阶段训练提升视频事件理解能力

基于Qwen2.5-VL-7B-Instruct微调的摄像机运动分析模型，专注于视频中的摄像机运动分类和视频-文本检索任务

基于80亿MetaCLIP数据训练的70亿参数视觉Transformer模型，采用DINOv2自监督学习框架，无需语言监督

Gemma 3是谷歌基于Gemini技术构建的轻量级开放模型系列，12B版本采用量化感知训练(QAT)技术，支持多模态输入和128K上下文窗口。

Gemma 3是Google基于Gemini技术构建的轻量级开放模型系列，支持多模态输入和文本输出，具有128K大上下文窗口和140+语言支持。

Gemma 3是谷歌推出的轻量级前沿开放模型系列，基于Gemini模型技术构建，支持多模态输入和文本输出。

Gemma 3是Google推出的轻量级开放模型系列，基于创建Gemini模型的研究和技术构建。

Gemma是Google推出的轻量级开放模型系列，基于Gemini模型技术构建。

基于Salesforce/blip2-opt-2.7b微调的视觉语言模型，用于图像问答任务

BLIP是一个统一的视觉-语言预训练框架，擅长图像描述生成等视觉-语言任务

InternVL3-8B-6bit 是一个基于 MLX 格式转换的视觉语言模型，支持多语言图像文本到文本的任务。

Gemma 3 12B IT是由谷歌开发的大语言模型，支持多模态输入和长上下文处理。

Google出品的Gemma 3 4B IT模型，支持多模态输入和长上下文处理，适用于文本生成和图像理解任务。

Gemma 3 27B IT QAT BF16 是由 Google 发布的 Gemma 系列模型的一个版本，经过量化感知训练（QAT）并转换为 BF16 格式，适用于 MLX 框架。

该模型是从 google/gemma-3-27b-it-qat-q4_0-unquantized 转换为 MLX 格式的 3 位量化版本，适用于图像文本到文本任务。

Gemma 3 27B IT QAT 4bit 是一个基于 Google 原始模型转换而来的 MLX 格式模型，支持图像文本到文本的任务。

这是一个经过INT8量化的Mistral-Small-3.1-24B-Instruct-2503模型，由Red Hat和Neural Magic优化，适用于快速响应和低延迟场景。

Gemma 3 4B IT QAT 4bit 是一个经过量化感知训练（QAT）的4位量化大语言模型，基于Gemma 3架构，专为MLX框架优化。

Gemma 3是Google推出的轻量级、先进的多模态开放模型，基于与Gemini模型相同的研究和技术构建，支持文本和图像输入并生成文本输出。

VideoChat-R1_7B 是一个基于 Qwen2.5-VL-7B-Instruct 的多模态视频理解模型，能够处理视频和文本输入，生成文本输出。

基于gemma-3-4b-it模型进行INT4量化的版本，显著减少存储和计算资源需求

Gemma 3是Google推出的轻量级多模态开放模型，支持文本和图像输入，生成文本输出，具有128K大上下文窗口和多语言能力。

Gemma 3是Google推出的轻量级多模态开放模型，支持文本和图像输入，生成文本输出。

Gemma 3 是 Google 推出的轻量级先进开放模型系列，基于与 Gemini 模型相同的研究和技术构建。

Gemma 3是Google推出的轻量级前沿开放模型家族，基于创建Gemini模型的相同研究与技术构建。

Gemma 3是Google推出的轻量级开源多模态模型系列，基于Gemini技术构建，支持文本和图像输入，生成文本输出。

Gemma 3是Google基于Gemini技术打造的轻量级开源多模态模型系列，支持文本和图像输入并生成文本输出。

羊驼4 Scout是Meta发布的170亿参数混合专家模型(MoE)，支持多语言文本和图像理解，采用线性化专家模块设计便于PEFT/LoRA兼容。

Gemma是谷歌推出的轻量级前沿开放模型系列，基于Gemini技术构建。

Gemma是谷歌推出的轻量级尖端开放模型家族，基于与Gemini模型相同的研究和技术构建。

Gemma 3是Google推出的轻量级前沿开放模型系列，基于与Gemini相同技术构建，支持多模态输入（文本/图像）和文本输出。

Gemma 3是Google基于Gemini技术构建的轻量级开放模型系列，支持多模态输入和文本输出。