#视觉多模态模型

3周前

Thyme：像o3一样分析图片视觉多模态模型，会分析用户需求，针对复杂问题写代码来辅助解决。例如识别非常小的区域内的文字，会写代码执行放大+裁剪的操作，然后再识别图像解决问题。跟OpenAI o3的操作类似。项目地址： Github：

#Thyme #o3 #视觉多模态模型 #代码辅助 #图像识别

8个月前

Moondream 2B：性价比极佳的视觉多模态模型 2B大小，性能接近QWen2-VL 2B，但是需要的VRAM只有4G多（QWen2-VL 2B需要13G），个人电脑即可运行。同时还发布了0.5B的版本。 Github：在线使用：

#视觉多模态模型 #VRAM #个人电脑 #Moondream 2B #QWen2-VL 2B