# 視覺語言交互

該模型是基於Qwen2.5-VL-7B-Instruct轉換的GGUF格式模型，支持多模態任務，適用於圖像和文本的交互處理。

Qwen2.5-VL-3B-Instruct是一個3B參數規模的多模態模型，支持圖文生成任務，特別優化了在llama.cpp中的視覺功能支持。

Qwen2-VL-72B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的交互，適用於複雜的視覺語言任務。

Qwen2-VL-7B-Instruct 是一個基於 Qwen2 架構的視覺語言模型，支持圖像和文本的多模態輸入，適用於多種視覺語言任務。

Magma是一個多模態AI智能體基礎模型，能夠處理圖像和文本輸入並生成文本輸出，具備虛擬與現實環境中的複雜交互能力。

這是一個基於Qwen2.5-VL-3B-Instruct模型的8位量化版本，專為MLX框架優化，支持圖像文本生成任務。

AURORA 是一個基於視頻和模擬的動作與推理為中心的圖像編輯模型，專注於視覺語言任務。

一款能夠用日語就輸入圖像進行對話的視覺語言模型，採用Chat Vector方法結合多個模型權重創建

基於InternLM2的視覺-語言大模型，具備卓越的圖文理解與創作能力

InternLM-XComposer2是基於InternLM2研發的視覺-語言大模型，具備卓越的圖文理解與創作能力。