SpaceQwen2.5-VL-3B-Instruct是一个3B参数的视觉语言模型，专注于空间推理和多模态任务。

基于Qwen2.5-VL-3B-Instruct的零样本目标检测模型，通过VLM-R1强化学习增强，支持开放词汇检测任务。

鹰隼2号是一个高性能视觉语言模型家族，专注于数据策略和训练方案的透明性，旨在推动开源社区开发具有竞争力的视觉语言模型。

Eagle2是NVIDIA推出的高性能视觉语言模型家族，专注于通过数据策略和训练方案提升开源视觉语言模型的性能。

MiniVLA是一个10亿参数规模的视觉语言模型，与棱镜视觉语言模型项目代码库兼容，适用于机器人技术和多模态任务。

PaliGemma 2是Google推出的升级版视觉语言模型，结合Gemma 2和SigLIP视觉模型能力，支持多语言图像文本交互任务。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像+文本输入，输出文本响应，适用于多种视觉语言任务。

PaliGemma 2是Google推出的视觉语言模型(VLM)，融合Gemma 2能力，支持图像和文本输入生成文本输出

PaliGemma 2是Google推出的升级版视觉语言模型(VLM)，融合Gemma 2能力，支持图像和文本输入生成文本输出。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

PaliGemma 2是Google开发的视觉语言模型(VLM)，结合了Gemma 2语言模型和SigLIP视觉模型的能力，支持多语言视觉语言任务。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像和文本输入，生成文本输出，适用于多种视觉语言任务。

PaliGemma 2是基于Gemma 2的视觉语言模型，支持图像与文本输入，输出生成文本，适用于多种视觉语言任务。

PaliGemma 2是Google推出的升级版视觉语言模型，结合Gemma 2和SigLIP视觉模型的能力，支持多语言视觉语言任务。

蜻蜓是基于Llama 3.1通过指令微调训练的多模态视觉语言模型，支持图像与文本的联合理解与生成

OpenVLA v0.1 7B是一个开源视觉-语言-动作模型，基于Open X-Embodiment数据集训练，支持多种机器人控制。

PaliGemma是一款轻量级多功能视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持多语言图像文本交互任务。

PaliGemma是Google开发的轻量级视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持多语言文本生成和视觉理解任务。

PaliGemma是一款多功能、轻量级的视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入，输出文本结果。

PaliGemma是一款多功能轻量级视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，能同时处理图像和文本输入并生成文本输出。

ViTamin-XL-384px 是一个基于 ViTamin 架构的大规模视觉语言模型，专为视觉语言任务设计，支持高分辨率图像处理和多模态特征提取。

InternVL-14B-224px 是一个14B参数量的视觉语言基础模型，支持多种视觉语言任务。