Qwen-VL

Qwen3-VL

AI GitHub 仓库

阿里云 Qwen 团队推出的一系列视觉语言模型，提供密集型和专家混合型两种规模，包含指令版和推理版（"思考"）。它能够同时读取图像、视频和文本，具有原生 256K 上下文窗口，可扩展至 1M，并具备用于 GUI 自动化、OCR 和空间推理的功能。Qwen3-VL 是阿里云 Qwen 团队推出的一系列视觉语言模型，提供密集型和专家混合型两种规模，包含指令版和推理版（"思考"）。它能够同时读取图像、视频和文本，具有原生 256K 上下文窗口，可扩展至 1M，并具备用于 GUI 自动化、OCR 和空间推理的功能。

Qwen2-VL-72B-Instruct

AI 模型

先进的 AI 模型，旨在实现最先进的视觉理解和多语言支持。它在处理图像、视频和复杂推理任务方面表现出色，适用于 AI 驱动环境中的多种应用。Qwen2-VL-72B-Instruct 是一个先进的 AI 模型，旨在实现最先进的视觉理解和多语言支持。它在处理图像、视频和复杂推理任务方面表现出色，适用于 AI 驱动环境中的多种应用。

LLaVA

AI GitHub 仓库

视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。LLaVA 是一个视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。

MiniGPT-4 & MiniGPT-v2

AI GitHub 仓库

MiniGPT-4 和 MiniGPT-v2 的开源代码，先进的大型语言模型，增强视觉-语言理解能力。这些模型支持视觉-语言任务的多任务学习，提供图像理解和生成能力。它们基于 Llama 2 和 Vicuna 模型构建，为研究人员和开发人员提供了强大的工具。

Qwen2-VL-7B-Instruct

AI 模型

先进的人工智能模型，旨在实现视觉理解和多语言支持。它在处理图像和视频方面表现出色，在各种基准测试中提供了最先进的性能。该模型支持与设备的集成，以便根据视觉和文本输入进行自动化操作。Qwen2-VL-7B-Instruct 是一个先进的人工智能模型，旨在实现视觉理解和多语言支持。它在处理图像和视频方面表现出色，在各种基准测试中提供了最先进的性能。该模型支持与设备的集成，以便根据视觉和文本输入进行自动化操作。

Qwen3.8-27B

AI 模型

先进的 AI 模型，旨在进行编码、专业任务和研究。它具有原生的视觉语言模型，能够理解图像和视频，从而提高复杂任务的完成可靠性。Qwen3.8-27B 是一款先进的 AI 模型，旨在进行编码、专业任务和研究。它具有原生的视觉语言模型，能够理解图像和视频，从而提高复杂任务的完成可靠性。

Qwen3 VL 8B Instruct (阿里巴巴)

AI 模型

阿里巴巴的Qwen3 VL 8B Instruct是一种强大的视觉语言模型，提供卓越的文本理解、视觉感知和多模态推理能力。它支持使用Dense和MoE架构的灵活部署，增强了各种应用中的AI能力。

Qwen3-VL-235B-A22B-Instruct

AI 模型

强大的视觉语言模型，提供卓越的文本理解、视觉感知和推理能力。它支持灵活的部署，具备增强的多模态推理和空间感知能力。Qwen3-VL-235B-A22B-Instruct 是一个强大的视觉语言模型，提供卓越的文本理解、视觉感知和推理能力。它支持灵活的部署，具备增强的多模态推理和空间感知能力。