Qwen2.5-VL是Qwen家族的最新视觉语言模型，具备强大的视觉理解和多模态处理能力。

感知编码器是通过视觉语言训练实现的最先进图像视频理解编码器，具有强大的泛化能力。

感知编码器（PE）是一种通过视觉-语言学习训练而成的先进图像与视频理解编码器，在多种视觉任务上具有最先进性能。

Qwen2.5-VL-32B-Instruct是Qwen家族的最新视觉语言模型，具备强大的视觉理解和智能代理能力，支持多模态任务处理。

Qwen2.5-VL-7B-Instruct 是一个多模态视觉语言模型，支持图像理解和文本生成任务。

Qwen2.5-VL-32B-Instruct 是 Qwen 家族的最新视觉语言模型，具备强大的多模态理解和生成能力，支持图像、视频和文本的交互。

基于soob3123/amoral-gemma3-12B的视觉增强版本，结合了Gemma3-12B大语言模型与视觉编码器，支持多模态任务

Qwen2.5-VL是Qwen家族的最新视觉语言模型，专注于增强视觉理解和代理能力。

这是一个基于mlabonne/gemma-3-4b-it-abliterated模型的量化版本，使用llama.cpp进行imatrix量化，适用于图像文本到文本任务。

这是对Minthy/ToriiGate-v0.4-7B模型进行的加权/重要性矩阵量化版本，提供多种量化选项以适应不同需求。

Qwen2.5-VL 是 Qwen 家族的最新视觉语言模型，具备强大的视觉理解和代理能力，支持多格式视觉定位和结构化输出生成。

Qwen2.5-VL是通义千问团队推出的多模态大语言模型，具备强大的视觉理解和智能代理能力，支持图像、视频、文本等多种输入格式。

Qwen2.5-VL是通义千问推出的多模态视觉语言模型，具备强大的图像理解和文本生成能力。

MiniCPM-o 2.6是一个多模态模型，支持视觉和语言任务，专为llama.cpp设计。

Razorback 12B v0.2 是一个结合了Pixtral 12B和UnslopNemo v3优势的多模态模型，具备视觉理解和语言处理能力。

Meta Llama 3.2系列90B参数的多模态大语言模型，支持视觉指令理解，经Unsloth动态4位量化优化

MiniCPM-V 2.6是支持单图、多图和视频理解的GPT-4V级别多模态大语言模型，专为RK3588 NPU优化

寒武纪是一个开源的以视觉为核心设计的 multimodal LLM（多模态大语言模型）。

Phi-3-Vision-128K-Instruct是一个轻量级、前沿的开放多模态模型，支持128K令牌的上下文长度，专注于文本和视觉领域的高质量推理。

OWLv2是一个基于视觉语言预训练的模型，专注于对象检测和定位任务。