# 高效视觉问答

Qwen2.5-VL-3B-Instruct的GPTQ-Int3量化版本，适用于多模态图像文本处理任务，显存占用更少，推理速度更快。

nanoLLaVA-1.5是一款参数规模在10亿以下的视觉语言模型，专为边缘设备设计，小巧但功能强大。

Imp-v1.5-4B-Phi3是一个高性能轻量级多模态大模型，仅含40亿参数，基于Phi-3框架和SigLIP视觉编码器构建。

TinyLLaVA 是一个小规模的多模态模型系列，该模型由 OpenELM-450M 和 SigLIP-0.89B 组成，专注于高效的视觉-语言任务处理。