多模态12B参数模型，结合视觉编码器处理图像和文本。

先进的多模态理解模型，融合视觉与语言能力。

先进的大型混合专家视觉语言模型

多模态大型语言模型，提升视觉和语言的综合理解能力

多模态大型语言模型，提升视觉与语言的交互能力。