用途：LLaVA（Large Language and Vision Assistant）是面向对话式图像理解的开源视觉语言模型，适用于视觉问答（VQA）、图像描述与字幕、多轮图像对话、视觉指令跟随以及结合图片的文档理解。
主要能力：将 CLIP 视觉编码器与 Vicuna/LLaMA 语言模型结合，支持基于图像的多轮对话和文本形式的物体列举、场景理解等任务。项目标称 23000+ GitHub 星，Apache 2.0 许可，提供 7B、13B、34B 等参数规模，官方文档称其目标为接近 GPT-4V 能力。资料给出的基准包括 VQAv2 78.5%、GQA 62.0%、MM-Vet 35.4%、MMBench 64.3%。
使用方式：可克隆仓库后用 pip install -e . 安装，再用 Python 加载模型并生成回复；也可通过 CLI 执行，例如 python -m llava.serve.cli --model-path liuhaotian/llava-v1.5-7b --image-file image.jpg --query "What is in this image?"；或启动 Gradio 网页界面：python -m llava.serve.gradio_web_server --model-path liuhaotian/llava-v1.5-7b，访问 http://localhost:7860。训练自定义模型分两阶段执行 pretrain.sh 与 finetune.sh。支持 4-bit 与 8-bit 量化以降低显存占用。
适用场景：构建视觉聊天机器人、图片问答、图像描述、多轮图片对话和文档图像理解等。
限制：可能产生幻觉，空间推理与精确定位较弱，小字号文本识别困难，物体计数不精确；需要 GPU 才能获得可用速度，CPU 推理极慢；推理速度慢于 CLIP。资料中未提供具体收费或价格信息，也未提供更详细的平台支持说明。