# 多模態視覺推理

Llama 3.2-Vision是Meta開發的多模態大語言模型，具備圖像推理和文本生成能力，支持視覺識別、圖像描述和問答等任務。

Qwen2.5 VL 32B Instruct是由Qwen開發的多模態大語言模型，支持視覺和語言任務，具備強大的圖像理解和文本生成能力。

基於Google Gemma 3B模型的量化版本，使用llama.cpp進行優化，支持多種量化級別，適用於文本生成任務。

Phi-3.5-vision 是一款輕量級、前沿的開放多模態模型，支持128K上下文長度，專注於高質量、富含推理的文本和視覺數據。