LLaVA 的替代品
4 个可以替代 LLaVA 的工具，1 个可完全替代、2 个部分替代，1 个在国内不能直接访问、归在最后。费用、登录、平台与可访问性都是本站实测或从官网核对的。
对比
| 条目 | 费用 | 登录 | 平台 | 国内可直接访问 | 一句 |
|---|---|---|---|---|---|
 BuboGPT |
— | — | 网页 | 待检测 | 替代多模态研究这一块：同为开源视觉语言模型，可做图像理解与推理，但多了音频、少了 LLaVA 的指令数据复现生态 |
 Qwen大模型 |
— | — | — | 待检测 | 替代视觉问答这一块：Qwen-VL 系列同样开源可微调，中文与文档场景更强，但不是 LLaVA 那套 CLIP+Vicu |
| MMiniGPT-4 | — | — | — | 可以 | 同为开源视觉语言模型，架构思路相近，代码与权重公开，适合复现和微调研究 |
 Gemini |
— | — | — | 不可以 | 替代看图问答这一块：Gemini 原生多模态可直接用，但闭源、不能本地部署和微调 |
详细介绍
可完全替代 1
部分替代 2
BuboGPT
字节跳动的多模态大语言模型研究项目，在文字、图像、音频间建立共享语义空间，可做图像细粒度理解、声音定位与音图相关性判断，适合多模态方向研究者读论文、跑实验时对照复现。替代多模态研究这一块：同为开源视觉语言模型，可做图像理解与推理，但多了音频、少了 LLaVA 的指令数据复现生态
Qwen大模型
阿里巴巴集团Qwen团队研发的大语言模型和大型多模态模型系列替代视觉问答这一块：Qwen-VL 系列同样开源可微调，中文与文档场景更强，但不是 LLaVA 那套 CLIP+Vicu
国内不可直接访问 1
还有：InstructBLIP、Qwen2-VL、OpenFlamingo、CogVLM（未收录）