小哈利波特在汤姆里德尔的笔记上写字,停笔等一会儿,刚写下去的字会慢慢消失。一行新的手写体从纸面上浮出来,像是另一头的汤姆里德尔给哈利的回信。
meta/llama-3.2-11b-vision-instruct ← 小,便宜,够用,推荐先试meta/llama-3.2-90b-vision-instruct ← 大,慢,效果好microsoft/phi-3-vision-128k-instruct ← 小,视觉也能用nvidia/llama-3.1-nemotron-nano-vl-8b-v1 ← 带名称里 -vl- 的是视觉模型nvidia/nemotron-nano-12b-v2-vl ← n 家中量视觉nvidia/llama-3.2-nemoretriever-1b-vlm-embed-v1 ← 带 -vlmhttps://api.siliconflow.cn/v1),上面的阿里开源 Qwen(通义千问)视觉语言模型系列中文表现极强,如 Qwen/Qwen3-VL-32B-Instruct(也常见 Qwen2.5-VL-72B-Instruct 等,以平台列表为准)。
https://cloud.siliconflow.cn/i/XjBjePLI。被邀请人完成注册及实名认证后,邀请人可获面值 ¥16 元「推荐官奖励券」1 张;每成功邀请 1 名符合条件的新用户,即可获得 1 张奖励代金券。
判别小窍门:模型名里带 -vl- / -vlm / -vision 的就是视觉模型;只有文字模型看不懂你写的内容。