Qwen2.5-VL-72B-Instruct的FP8量化版本，支持视觉-文本输入和文本输出，由Neural Magic优化发布。

Qwen2.5-VL-3B-Instruct的量化版本，权重量化为INT4，激活量化为FP16，适用于视觉-文本任务的高效推理。

Qwen2.5-VL-72B-Instruct的FP8量化版本，支持视觉-文本输入和文本输出，适用于多模态任务。

基于Qwen2-VL-7B-Instruct的多模态模型量化版本，支持图像文本到文本任务，适用于多种量化级别。

EraX-VL-7B-V2.0-Preview 是一个多模态基础模型，支持越南语、英语和中文，适用于多种视觉语言任务。

这是一个多模态视觉问答模型，支持越南语、英语和中文，基于erax-ai/EraX-VL-2B-V1.5转换的GGUF格式版本。

Qwen2-VL-7B-Instruct 是一个多模态视觉语言模型，支持图像和文本的联合理解与生成任务。

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

PaliGemma 2是Google开发的升级版视觉语言模型，结合了Gemma 2的能力，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。

MiniCPM-Llama3-V-2_5是一个基于Llama3架构的多模态视觉问答模型，支持中英文交互。

该项目训练了一个投影模块，用于为Llama 3添加视觉能力，使用了SigLIP技术，并应用于Llama-3.1-8B-Instruct模型。

Yi-VL-6B是由01-AI开发的多模态视觉语言模型，支持中文和英文，适用于视觉问答等任务。

PaliGemma是由Google开发的30亿参数轻量级视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入生成文本输出。

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，支持图像和文本输入并生成文本输出

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，支持多语言图像文本理解与生成。

PaliGemma是Google开发的轻量级视觉语言模型，结合图像理解和文本生成能力，支持多语言任务。

PaliGemma是Google开发的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，支持图像和文本输入，输出文本结果。

Excalibur-7b-DPO是基于Excalibur-7b基础模型通过直接偏好优化(DPO)微调的大语言模型，专注于提升对话质量和视觉应用场景表现。

FireLLaVA-13B是基于开源大语言模型生成指令数据训练的视觉语言模型，支持图像理解和文本生成任务。