這是Qwen2-VL-7B模型的GGUF量化版本，通過llama.cpp從原始模型轉換而來。該模型是一個7B參數規模的多模態視覺語言模型，支持圖像理解和文本生成任務。

多模態Transformers英語

GUI-Actor-2B是基於Qwen2-VL-2B的視覺語言模型，專為圖形用戶界面(GUI)定位任務設計，通過增加基於注意力的動作頭並進行微調，在多個GUI定位基準測試中表現良好。

多模態Transformers

GUI-Actor-7B是基於Qwen2-VL-7B-Instruct開發的視覺語言模型，專注於圖形用戶界面(GUI)代理任務，提供無座標的視覺接地解決方案。

多模態Transformers

基於Qwen/Qwen2-VL-2B-Instruct微調的多模態模型，專為OCR、圖像轉文本、LaTeX數學求解及手寫識別優化

多模態Gguf多語言

coreOCR-7B-050325-preview 是基於 Qwen/Qwen2-VL-7B 微調的視覺語言模型，專注於文檔級 OCR、長上下文視覺語言理解和精確的圖像到文本轉換（支持數學 LaTeX 格式）。

多模態Transformers英語

VideoChat-R1_7B_caption 是一個基於 Qwen2-VL-7B-Instruct 的多模態視頻文本生成模型，專注於視頻內容理解和描述生成。

多模態Transformers英語

olmOCR是一款基於Qwen2-VL-7B-Instruct微調的光學字符識別模型，專注於將PDF等圖像內容轉換為文本，並通過微調提升特定場景下的識別準確率。

多模態Safetensors其他

QARI-OCR v0.3 是一款專注於阿拉伯語結構化文檔理解的光學字符識別視覺語言模型，基於 Qwen2-VL-2B-Instruct 構建，擅長保留文檔佈局和格式。

多模態Transformers阿拉伯語

BiQwen2是基於Qwen2-VL-2B-Instruct與ColBERT策略的視覺檢索模型，專注於高效視覺文檔檢索。

多模態Safetensors英語

基於Qwen2-VL-2B-Instruct微調的阿拉伯語OCR模型，專為整頁阿拉伯文本識別優化，支持變音符號識別

多模態Transformers阿拉伯語

基於Qwen2-VL-7B模型的4位量化版本，使用Unsloth和Huggingface TRL庫進行訓練，推理速度提升2倍

多模態Transformers英語

R1-VL-7B是一個基於Qwen2-VL-7B-Instruct的推理模型，採用逐步分組相對策略優化（StepGRPO）方法進行訓練，專注於圖文轉文本任務。

多模態Transformers

R1-VL-2B 是通過逐步組相對策略優化（StepGRPO）訓練得到的視覺語言推理模型，基於Qwen2-VL-2B-Instruct進行優化。

多模態Transformers

Qwen2-VL-2B-Instruct 是一個多模態視覺語言模型，支持圖像文本到文本的任務。

多模態Transformers英語

Qwen2-VL-72B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的交互，適用於複雜的視覺語言任務。

多模態Transformers英語

Qwen2-VL-7B-Instruct 是一個基於 Qwen2 架構的視覺語言模型，支持圖像和文本的多模態輸入，適用於多種視覺語言任務。

多模態Safetensors英語

Qaari 0.1 Urdu是一款專門為烏爾都語文本的光學字符識別（OCR）優化的模型，基於Qwen/Qwen2-VL-2B進行微調，在烏爾都語OCR能力上有顯著提升。

多模態Peft

Sarashina2-Vision-14B是由SB Intuitions開發的日本大型視覺語言模型，結合了Sarashina2-13B和Qwen2-VL-7B的圖像編碼器，在多個基準測試中表現優異。

多模態Transformers多語言

Sarashina2-Vision-8B是由SB Intuitions訓練的日本大型視覺語言模型，基於Sarashina2-7B和Qwen2-VL-7B的圖像編碼器，在多個基準測試中表現優異。

多模態Transformers多語言

基於Qwen2-VL-7B模型的微調版本，使用Unsloth和Huggingface的TRL庫進行訓練，速度提升2倍。

多模態Transformers英語