SnapVL — экспериментальная VLM на базе CLIP для одношаговых ответов да/нет и выбора из предложенных вариантов по изображению.

Подходит для: проверка наличия объекта на изображении · ответы да/нет на вопросы об изображении · выбор ответа из нескольких вариантов по изображению