基于Llama架构的紧凑型语言模型，支持英语和葡萄牙语，参数规模9600万，支持4096个token的上下文长度。

基于DeepSeek-R1-Distill-Qwen-1.5B的多个变体，适配LiteRT框架和MediaPipe LLM推理API，可部署于Android平台。

Llama 3.2是Meta推出的1B和3B参数规模的多语言预训练和指令调优生成模型，针对多语言对话用例优化，支持8种官方语言。

SAM 2.1 Tiny 是 Facebook AI Research (FAIR) 推出的轻量级图像与视频通用分割模型，支持基于提示的可控视觉分割。

Llama 3.2是Meta推出的多语言大语言模型集合，包含1B和3B参数规模的预训练和指令调优版本，针对多语言对话用例优化，支持8种官方语言。

Llama Guard 3-1B是基于Llama-3.2-1B预训练模型微调的内容安全分类模型，用于对LLM输入和响应中的内容进行安全分类。

Depth Anything V2 是基于 DPT 架构的深度估计模型，采用 DINOv2 骨干网络，通过大规模合成和真实数据训练，实现精细且鲁棒的深度预测。

YOLOv3 是一种高效的目标检测模型，能够实时定位并分类图像中的80种不同物体。

MobileCLIP-B是一种高效的图文模型，通过多模态强化训练实现快速推理，在零样本图像分类任务中表现优异。

MobileCLIP-S2 是一种高效的图文模型，通过多模态强化训练实现快速零样本图像分类。

MobileCLIP-S1是一种高效的图文模型，通过多模态强化训练实现快速零样本图像分类。

MobileCLIP-S0是一个高效的图文模型，通过多模态强化训练实现，在保持高性能的同时显著提升了速度和体积效率。

Imp-v1.5-4B-Phi3是一个高性能轻量级多模态大模型，仅含40亿参数，基于Phi-3框架和SigLIP视觉编码器构建。

Depth Anything 是一种基于 DPT 架构和 DINOv2 骨干网络的深度估计模型，在约 6200 万张图像上训练，在相对和绝对深度估计任务中取得最先进结果。

MobileCLIP S2 是一个轻量级的视觉-语言模型，专注于图像特征提取和零样本图像分类任务。

MobileCLIP S0 是苹果 ml-mobileclip 项目的 ONNX 适配版本，专为移动设备优化的零样本图像分类模型。

MobileNet V2是一种轻量级的卷积神经网络，专为移动设备设计，在延迟、模型大小和准确性之间取得平衡。

基于MobileViTv2架构和DeepLabV3头部的语义分割模型，在PASCAL VOC数据集上以512x512分辨率预训练

基于MobileNetV2架构微调的植物病害识别模型，在植物村庄数据集上达到95.41%的准确率

EfficientNet是一种高效的卷积神经网络，通过统一缩放深度、宽度和分辨率实现高性能图像分类

EfficientNet是一款移动端友好的纯卷积模型，通过复合系数统一缩放深度/宽度/分辨率维度，在ImageNet-1k数据集上训练

EfficientNet是一款移动端友好的纯卷积模型，通过复合系数统一调整深度、宽度和分辨率维度，在ImageNet-1k数据集上训练而成。

EfficientNet是一款移动端友好的纯卷积神经网络，通过复合系数统一调整深度/宽度/分辨率维度，实现高效缩放

EfficientNet是一种移动端友好的纯卷积模型，通过复合系数统一缩放深度/宽度/分辨率维度，在图像分类任务中表现优异。

EfficientNet是一款移动端友好的纯卷积神经网络，通过复合系数统一调整深度/宽度/分辨率维度，实现高效缩放。

EfficientNet是一款移动端友好的纯卷积模型，通过复合系数统一缩放深度/宽度/分辨率维度，在ImageNet-1k数据集上训练。

EfficientFormer-L3是由Snap Research开发的轻量级视觉Transformer模型，专为移动设备优化，在保持高性能的同时实现低延迟。

MobileNet V1是一种轻量级卷积神经网络，专为移动设备设计，在图像分类任务中平衡了延迟、模型大小和准确率。

MobileNet V1是一种轻量级卷积神经网络，专为移动和嵌入式视觉应用设计，在ImageNet-1k数据集上预训练。

基于MobileNetV2架构结合DeepLabV3+分割头的轻量级语义分割模型，在PASCAL VOC数据集上预训练

MobileNet V2是一种小型、低延迟、低功耗的视觉模型，专为移动设备优化设计

MobileNet V2是一个轻量级的计算机视觉模型，专为移动设备优化，在图像分类任务中表现优异。

MobileNet V2 是一个轻量级的视觉模型，专为移动设备优化，在图像分类任务上表现优异。

基于ImageNet-1k数据集预训练的轻量级图像分类模型，专为移动设备优化设计

MobileNet V2是一种轻量级的卷积神经网络，专为移动设备设计，在图像分类任务中表现出色。

MobileNet V2是一种轻量级卷积神经网络，专为移动设备设计，在图像分类任务中表现优异。

MobileNet V1是一种轻量级卷积神经网络，专为移动和嵌入式视觉应用设计，在ImageNet-1k数据集上预训练。

基于PASCAL VOC数据集预训练的轻量级语义分割模型，结合MobileViT和DeepLabV3架构

轻量级视觉Transformer模型，结合MobileNetV2与Transformer模块，适用于移动端语义分割任务。

轻量级视觉Transformer模型，结合MobileNetV2与Transformer模块，适用于移动端语义分割任务