# 多語言圖像理解

Llama 4 Scout是Meta推出的170億參數混合專家架構(MoE)多模態模型，支持12種語言和圖像理解，採用topk=4專家動態融合機制。

Llama 4 Scout是Meta開發的多模態混合專家模型，支持12種語言和圖像理解，具有170億激活參數和10M上下文長度。

Chitrarth是一個多語言視覺語言模型，旨在連接視覺與語言，特別關注印度多種語言的支持。

該模型是基於Llama-3.2-11B-Vision-Instruct的4位量化版本，轉換為MLX格式以便在特定環境下使用。

PaliGemma是一款輕量級多功能視覺語言模型，基於SigLIP視覺模型和Gemma語言模型構建，支持多語言圖像文本交互任務。

PaliGemma是一款多功能輕量級視覺語言模型(VLM)，基於SigLIP視覺模型和Gemma語言模型構建，能同時處理圖像和文本輸入並生成文本輸出。