Eagle 是一系列以视觉为中心的高分辨率多模态大语言模型，支持高达1K以上的输入分辨率，在光学字符识别和文档理解等任务上表现出色。

猴模型是一种大型多模态模型，通过提升图像分辨率和改进文本标签方法，在多项视觉任务中表现优异。

基于ConvNeXt-Large架构的CLIP模型，在LAION-2B数据集上训练，支持零样本图像分类和图像文本检索任务。