# 工业级视觉问答

Qwen2.5-VL-32B-Instruct 是一个32B参数规模的多模态大语言模型，支持视觉和语言任务，适用于复杂的多模态交互场景。

Llama 3.2-Vision是由Meta开发的多模态大语言模型系列，包含11B和90B两种规模，支持图像+文本输入和文本输出，针对视觉识别、图像推理、图像描述和图像问答任务进行了优化。