POINTS-Yi-1-5-9B-Chat

Aquila-VL-2B是基于LLava-one-vision框架训练的视觉语言模型，利用了40万对图像-文本数据，具备出色的多模态理解能力。

Qwen2-VL是新一代视觉语言模型，具备强大的图像和视频理解能力，支持多种语言，适用于多种智能设备的视觉智能体。

Qwen2-VL-72B是最新的视觉语言模型，具备出色的图像和视频理解能力，支持多语言处理，适用于多种智能设备的自动操作。

POINTS-Qwen-2-5-7B-Chat是一个先进的视觉语言模型，结合了最新的技术创新，旨在提升视觉理解与语言生成的能力，适用于多种应用场景。

PaliGemma 2是谷歌推出的一款先进的视觉语言模型，具备强大的图像和文本处理能力，支持多语言生成，适用于图像标注、视觉问答等多种任务。

PaliGemma 2是一个先进的视觉语言模型，专为图像和文本处理而设计，支持多语言输入，具备高效的图像描述、视觉问答等功能，适合各种视觉语言任务的微调。

Qwen2.5 VL是Qwen系列最新的视觉语言模型，具备强大的图像识别、视频理解及文本解析能力，适用于多种应用场景。