一個用于智能設備等的多模態原生代理框架。

SmolVLM-500M 是一個輕量級多模態模型，能夠處理圖像和文本輸入并生成文本輸出。

Phi-4-multimodal-instruct 是微軟開發的輕量級多模態基礎模型，支持文本、圖像和音頻輸入。

小型高效的視覺語言模型，讓資源有限的研究者和開發者也能輕松使用先進的視覺語言功能。

PaliGemma 2是一個強大的視覺-語言模型，支持多種視覺語言任務。

PaliGemma 2是一款強大的視覺-語言模型，支持多種語言的圖像和文本處理任務。

多模態12B參數模型，結合視覺編碼器處理圖像和文本。

先進的多模態理解模型，融合視覺與語言能力。

先進的大型混合專家視覺語言模型

多模態大型語言模型，提升視覺和語言的綜合理解能力

多模態大型語言模型，提升視覺與語言的交互能力。