nanoVLM 是一款极简轻量级的视觉语言模型（VLM），专为高效训练和实验而设计。

SmolVLM2-2.2B-Instruct 是一个2.2B参数量的视觉语言模型，专注于视频文本转文本任务，支持英语。

R1-VL-2B 是通过逐步组相对策略优化（StepGRPO）训练得到的视觉语言推理模型，基于Qwen2-VL-2B-Instruct进行优化。

Qwen2-VL-2B-Instruct 是一个多模态视觉语言模型，支持图像文本到文本的任务。

Moondream 是一款轻量级视觉语言模型，专为高效全平台运行设计。