Bunny est une série de modèles multimodaux légers mais puissants, offrant une variété d'encodeurs visuels et de réseaux neuronaux linguistiques plug-and-play. En sélectionnant des sources de données plus vastes, nous construisons des données d'entraînement plus riches pour compenser la réduction de la taille du modèle. Le modèle Bunny-v1.0-3B surpasse en performance les modèles MLLM de taille similaire, voire supérieure (7B), et atteint des performances comparables à celles des modèles 13B.