Video-R1-7B是基于Qwen2.5-VL-7B-Instruct优化的多模态大语言模型，专注于视频推理任务，能够理解视频内容并回答相关问题。

基于cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual微调的YouTube评论情感分析模型，准确率80.17%

Ola-7B是由腾讯、清华大学和南洋理工大学联合开发的多模态语言模型，基于Qwen2.5架构，支持文本、图像、视频和音频输入，输出文本内容。

SmolVLM2-256M-Video是一款轻量级多模态模型，专为分析视频内容而设计，能够处理视频、图像和文本输入并生成文本输出。

Eagle2是一个高性能的视觉语言模型系列，专注于通过数据策略和训练方法的优化来提升模型性能。

基于长且丰富的上下文（LRC）建模增强的视频多模态大语言模型，通过提升感知细粒度细节和捕捉长时态结构的能力改进现有MLLM

基于MCG-NJU/videomae-large模型在深度伪造检测挑战赛数据集上微调的版本，用于视频深度伪造检测。

mPLUG-Owl3 是一款先进的多模态大语言模型，专注于解决长图像序列理解的挑战，通过超注意力机制显著提升处理速度和序列长度。

InternLM-XComposer2.5是一款卓越的图文理解与创作模型，仅用7B参数即达到GPT-4V水平，支持24K交错图文上下文并可扩展至96K长上下文。