CogVLM 是一个强大的开源视觉语言模型（VLM）。

一个开源的视觉语言（VL）模型，旨在用于现实世界的视觉和语言理解应用。

LLaVA-NeXT 模型在 LLaVA-NeXT 中提出，旨在改善推理能力、OCR 和世界知识。

Qwen-VL 是阿里云研发的大规模视觉语言模型（Large Vision Language Model, LVLM）。