Unsloth目前支持以下主流视觉语言模型：
- Llama 3.2 Vision (11B参数)
- Qwen 2.5 VL (7B参数)
- Pixtral (12B参数)
处理视觉任务的典型流程包括：
- 专用模型加载：与普通LLM不同，需使用图像生成专用类：
model = AutoModelForImageGeneration.from_pretrained("unslothai/llama-3.2-vision") - Processamento de dados multimodais：需要准备同时包含图像和文本标注的数据集
- 联合训练配置：在TrainingArguments中设置vision_enabled=True参数
- 任务特定微调：支持图像描述生成、视觉问答(VQA)、图文匹配等多种任务
这些视觉模型特别适用于需要结合图像理解和文本生成的场景，如智能相册管理、医学影像分析等跨模态应用。
Essa resposta foi extraída do artigoUnsloth: uma ferramenta de código aberto para ajuste fino e treinamento eficientes de modelos de linguagem grandesO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " Unsloth支持的视觉模型有哪些？如何处理视觉任务？
Português do Brasil 
简体中文 
English 
日本語 
Deutsch