# 高效视觉语言模型

OmniGen2 是一个强大且高效的统一多模态模型，由 3B 视觉语言模型和 4B 扩散模型构成，支持视觉理解、文本到图像生成、指令引导的图像编辑和上下文生成。

OpenFly是一个用于空中视觉语言导航的平台，提供多功能工具链和大规模基准测试。

xGen-MM-Vid (BLIP-3-Video) 是一款高效的紧凑型视觉语言模型，配备了显式的时间编码器，专为理解视频内容而设计。

MobileCLIP-B (LT)是苹果公司推出的高效图文模型，通过多模态强化训练实现快速零样本图像分类，性能优于同类模型。

nanoLLaVA是一款1B参数的视觉语言模型，专为边缘设备设计，具有高效运行的特点。

MobileVLM是一款专为移动设备设计的轻量级多模态视觉语言模型，支持高效的图像理解和文本生成任务。