# 圖像文本融合

Llama 4 Maverick 是 Meta 發佈的多模態 AI 模型，支持文本與圖像理解，採用混合專家架構（MoE），在多語言文本和代碼生成任務中表現優異。

Liquid 是一種自迴歸生成範式，通過將圖像標記化為離散代碼並在共享特徵空間中學習這些代碼嵌入與文本標記，實現了視覺理解與生成的無縫融合。

Pixtral-Large-Instruct-2411是基於MistralAI技術的多模態指令微調模型，支持圖像和文本輸入，具備多語言處理能力。