# 高效視覺語言模型

OmniGen2 是一個強大且高效的統一多模態模型，由 3B 視覺語言模型和 4B 擴散模型構成，支持視覺理解、文本到圖像生成、指令引導的圖像編輯和上下文生成。

OpenFly是一個用於空中視覺語言導航的平臺，提供多功能工具鏈和大規模基準測試。

xGen-MM-Vid (BLIP-3-Video) 是一款高效的緊湊型視覺語言模型，配備了顯式的時間編碼器，專為理解視頻內容而設計。

MobileCLIP-B (LT)是蘋果公司推出的高效圖文模型，通過多模態強化訓練實現快速零樣本圖像分類，性能優於同類模型。

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。

MobileVLM是一款專為移動設備設計的輕量級多模態視覺語言模型，支持高效的圖像理解和文本生成任務。