DeepSeek-VL2

DeepSeek-VL2-Tiny是一个先进的混合专家视觉语言模型，具备卓越的多模态理解能力，适用于视觉问答、光学字符识别等任务。

MMStar 视觉语言模型基准测试 MMStar是一个旨在评估大型视觉语言模型多模态能力的基准测试

MiniGemini 多模态视觉语言模型 Mini-Gemini是一个多模态视觉语言模型,支持从2

VILA 视觉语言模型视频理解 VILA是一个预训练的视觉语言模型（VLM），它通过大规模的交错图

ImageInWords 人工智能图像识别 优质新品 ImageInWords (IIW) 是一个

DriveVLM 自动驾驶视觉语言模型 DriveVLM是一个自动驾驶系统，它利用视觉语言模型(V

OmniParser是一种先进的屏幕解析方法，旨在提升基于视觉的GUI代理的性能，能够准确识别用户界面中的可交互元素，并理解其语义，显著增强多模态模型的操作能力。

SmolVLM是一款开源的2B小型视觉语言模型，具有卓越的内存效率和快速的推理能力，适用于本地部署和商业应用。所有模型检查点和数据集均可自由使用。