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

基于gpt-oss-20b模型导出的MNN模型的4位量化版本，专为文本生成任务优化，支持聊天等应用场景，具有高效的推理性能和较低的内存占用

这是DeepSeek-R1-0528-Qwen3-8B模型的MNN格式4位量化版本，专为高效推理优化。基于Qwen3-8B架构，支持文本生成和对话功能，适用于资源受限环境。

FastVLM-1.5B-Stage3-MNN是基于Transformer架构的文本生成模型，是FastVLM-1.5B-Stage3的8位量化版本，适用于聊天等文本生成场景。

基于Qwen3-30B-A3B导出的MNN模型，经过4位量化后的版本，适用于高效推理。

基于Qwen2.5-Omni-3B导出的MNN模型4位量化版本，通过llmexport工具实现，提供高效的推理性能

Qwen3-4B的MNN模型4位量化版本，用于高效文本生成任务

基于InternVL2_5-1B的4位量化版本，适用于文本生成和聊天场景

基于Qwen2.5-Omni-7B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，具有高效的推理性能。

Qwen2-0.5B-Instruct-MNN是基于Qwen2-0.5B-Instruct导出的MNN模型的4位量化版本，适用于文本生成和聊天场景。

基于Qwen2.5-0.5B-Instruct通过llmexport工具导出的MNN模型的4位量化版本，专为文本生成和聊天场景优化，具有轻量化和高效推理的特点。