# 輕量多模態

SmolVLM是一個緊湊的開源多模態模型，能夠接受圖像和文本輸入並生成文本輸出，專為高效設計，適用於設備端應用。

HyperCLOVAX-SEED-Vision-Instruct-3B是由NAVER開發的輕量化多模態模型，具備圖文理解和文本生成能力，特別優化了韓語處理能力。

基於NVILA-Lite架構訓練的日語視覺語言模型，支持日語和英語的圖文交互

輕量級多模態模型，專為分析視頻內容設計，可處理視頻、圖像和文本輸入以生成文本輸出。

SmolVLM2-2.2B 是一款輕量級多模態模型，專為分析視頻內容而設計，可處理視頻、圖像和文本輸入並生成文本輸出。

MiniCPM-V是一款高效輕量級多模態模型，專為終端設備部署優化，支持中英雙語交互，性能超越同規模模型。