这是一个基于Qwen3 VL 8B模型的混合量化版本，采用MXFP4量化技术并在密集模型上使用混合权重。该模型在保持接近Q8精度的同时，实现了更小的文件大小和更高的推理速度，是效率与精度平衡的优秀解决方案。

多模态Safetensors其他

这是一个基于Qwen3 VL 8B模型的实验性混合量化版本，采用MXFP4_MOE技术结合高精度权重，在保持接近Q8精度的同时，实现更小的文件体积和更高的推理速度。该模型探索了混合量化方法，在精度损失和性能之间取得了良好平衡。

多模态Safetensors其他

这是一个增强版的多模态视觉语言模型，基于Qwen3-VL-8B-Thinking模型，通过Brainstorm 20x技术扩展至12B参数，采用NEO Imatrix增强的GGUF量化。模型具备强大的图像理解、文本生成和多模态推理能力，在视觉感知、文本质量和创意场景方面都有显著提升。

多模态Gguf支持多种语言

这是慧慧Qwen3-VL-8B思维消融模型的量化版本，基于Qwen3-VL-8B架构，专门针对图像文本转换任务进行了优化和量化处理，可通过llama.cpp工具高效运行。

多模态Gguf

慧慧Qwen3-VL-8B指令消融模型的量化版本，专门用于图像文本到文本的转换任务。该模型基于Qwen3-VL-8B架构，经过指令消融优化和量化处理，可在保持性能的同时降低计算资源需求。

多模态Gguf

Qwen3-VL-8B-Thinking是通义千问系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持、强大的空间和视频动态理解能力，以及出色的智能体交互能力。

多模态Gguf

Qwen3-VL是通义系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面全面升级。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。

多模态Transformers

Qwen3-VL-8B-Thinking是通义千问系列中最强大的视觉语言模型，具备增强推理能力的8B参数版本。该模型在文本理解、视觉感知、空间理解、长上下文处理等方面全面升级，支持多模态推理和智能体交互。

多模态Gguf

Qwen3-VL-8B-Instruct是通义系列中最强大的视觉语言模型，具备卓越的文本理解和生成能力、深入的视觉感知和推理能力、长上下文支持以及强大的空间和视频动态理解能力。

多模态Transformers

这是Qwen3-VL-8B-Abliterated-Caption-it模型的静态量化版本，支持多语言图像描述任务，提供多种量化级别选择，平衡性能与资源需求。

多模态Transformers支持多种语言

Qwen3-VL是Qwen系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持、强大的空间和视频动态理解能力，以及出色的智能体交互能力。

多模态Transformers

Qwen3-VL是通义系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面都进行了全面升级。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。

多模态Gguf

Qwen3-VL-TimeTravel是基于Qwen3-VL-8B-Instruct模型，使用Unsloth库在MBZUAI/TimeTravel数据集上进行微调得到的版本。该模型专门用于生成历史文物图像的描述，在历史和文化文物分析方面具有专业能力。

多模态Transformers英语

Qwen3-VL-8B-Thinking-MNN是基于Qwen3-VL-8B-Thinking导出的MNN模型的4位量化版本，专为文本生成和聊天场景优化，支持视觉语言理解任务

Qwen3-VL是通义大模型系列最强大的视觉语言模型，在文本理解、视觉感知、空间理解、视频处理等方面全面升级，提供卓越的多模态能力。

多模态Safetensors

Qwen3-VL是通义大模型系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持、强大的空间和视频动态理解能力，以及出色的智能体交互能力。

多模态Safetensors

Qwen3-VL-8B-Thinking的llama.cpp量化版本，支持多种量化类型，能够在不同硬件上高效运行，特别优化了视觉语言理解和推理能力。

多模态Gguf

Qwen3-VL-8B-Instruct是由Qwen团队开发的多模态视觉语言模型，支持图像文本到文本转换。该版本经过MLX 8位量化处理，专门针对苹果硅芯片进行优化，在保持性能的同时提升运行效率。

多模态Mlx

Qwen3-VL-8B-Instruct是由Qwen开发的视觉语言模型，经过MLX量化优化，专门针对Apple Silicon设备。该模型支持图像和文本的多模态输入，能够理解和生成与图像相关的文本内容。

多模态Mlx

Qwen3-VL是Qwen系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持、强大的空间和视频动态理解能力，以及出色的智能体交互能力。

多模态Safetensors