skycontact/skyvision.cpp 是一个本地视觉语言推理引擎，可对图片和视频提问并获得答案。根据 GitHub 仓库描述和 README，它提供一个统一接口，会根据模型结构选择相应的 GGUF 后端。GGUF 是用于存储和分发模型的文件格式。该仓库同时包含命令行工具、Web 界面，以及供智能体连接的模型上下文协议（MCP）服务器。目前没有登记的发布版本，因此本次没有可确认的新版本或变更。
该项目的核心在于用同一个引擎处理多种视觉语言模型。说明中列出的支持对象包括 moondream3.1、VideoChat3、Qwen2.5-VL、MOSS-VL、VideoMAE/ViViT 和 SmolVLM。部分模型还支持视频输入，或分类、特征提取模式。视频问答与位置估计、视频分类功能按工具分别提供。仓库的主要语言是 C++，并介绍为在运行时不依赖 Python 或 CUDA 工具包。
不过，支持范围与兼容性因后端而异，也取决于模型转换和运行条件。因此，不能仅凭列出的模型名称就认为所有模型都以相同方式工作。仓库的许可证标记为 NOASSERTION，因此仅凭这些信息无法判断使用条件。作为尚未登记发布版本的早期仓库，在实际应用前应另行确认所需模型的兼容性与许可证条件。