“vlm” 相关开源项目

开源原生视觉-语言模型系列 NEO，采用无编码器的稠密架构统一处理像素与文字，提供 2B 与 9B 版本。

将网页和 PDF 渲染为截图并直接基于图像检索的视觉 RAG 工具包，保留表格与图表信息。

面向 Sophon、Rockchip RKNN 与 x86 的 C++ 边缘 AI 引擎，用于视频分析与端侧 VLM 应用部署。