因硬件预算有限，需要对多模态大模型进行精简。项目只需要文字、图片、表格和识别推理能力，其他音视频等等功能用不到

1.  指定千问3.5-397B-A17B或者更强推理能力的模型

2.  精简后期望在256GBRAM + 44090 48GB GPU的服务器上运行（如果能比这个规格更低更好）

3. 精简后识别和推理能力不能明显降低（通过网页版和精简后模型对比，测试10个样本，没有问题后验收）