一个通用的多模态模型，可用于问答、图像描述等任务，idefics-80b官网入口网址

大型视频语言模型，提供视觉问答和视频字幕生成。VideoLLaMA2-7B-Base官网入口网址

大型视频-语言模型，提供视觉问答和视频字幕生成。VideoLLaMA2-7B官网入口网址

先进的多模态理解模型，融合视觉与语言能力。

多模态12B参数模型，结合视觉编码器处理图像和文本。

先进的大型混合专家视觉语言模型

多模态大型语言模型，提升视觉与语言的交互能力。

多模态大型语言模型，提升视觉和语言的综合理解能力

PaliGemma 2是一个强大的视觉-语言模型，支持多种视觉语言任务。

PaliGemma 2是一款强大的视觉-语言模型，支持多种语言的图像和文本处理任务。