# 輕量級多模態

基於google/gemma-3-4b-it模型訓練的多模態模型，專注於數學、編程、科學和解謎領域的高質量數據處理。

這是一個基於MLX框架轉換的視頻文本到文本模型，適用於視頻理解和指令跟隨任務。

SmolVLM2-256M-Video是一款輕量級多模態模型，專為分析視頻內容而設計，能夠處理視頻、圖像和文本輸入並生成文本輸出。

nanoLLaVA-1.5是一款參數規模在10億以下的視覺語言模型，專為邊緣設備設計，小巧但功能強大。

Imp-v1.5-4B-Phi3是一個高性能輕量級多模態大模型，僅含40億參數，基於Phi-3框架和SigLIP視覺編碼器構建。

moondream2是一款小型視覺語言模型，專為在邊緣設備上高效運行而設計，通過llamafile格式提供便捷部署。

nanoLLaVA是一款1B參數的視覺語言模型，專為邊緣設備設計，具有高效運行的特點。

UForm-Gen是一款小型生成式視覺語言模型，主要用於圖像描述生成和視覺問答。

16億參數的多模態模型，融合SigLIP與Phi-1.5技術架構，支持圖像理解和問答任務

TinyLLaVA是一個小型大規模多模態模型框架，專注於視覺語言任務，參數規模小但性能優異。

UForm-Gen-Chat是UForm-Gen的多模態對話精調版本，主要用於圖像描述生成和視覺問答任務。

UForm-Gen是一款小型生成式視覺語言模型，主要用於圖像描述生成和視覺問答。