/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
18,6 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
6 авг 2026

Zhimu-1.0

Генерация текстаТекст → текст3 профессии

Zhimu-1.0 — дообученная мультимодальная модель для диалога и ответов на вопросы по изображениям.

43скачиваний за 30 дней3лайкавеса обновлены9 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Zhimu-1.0 — диалоговая мультимодальная модель AIR-CAS-kx, дообученная на базе Qwen/Qwen3-VL-8B-Instruct. Она принимает текст и изображения и формирует текстовые ответы; архитектура относится к семейству Qwen3-VL и реализована классом Qwen3VLForConditionalGeneration. Базовая модель предназначена для диалога, анализа изображений и видео, OCR и визуального рассуждения.

Модель можно применять для вопросов по изображениям, извлечения текста с изображений и визуального диалога. В карточке Zhimu-1.0 подробности о целевых сценариях и результатах оценки не приведены. Указана лицензия other; конкретные условия использования следует сверять с лицензией репозитория и базовой модели.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого изображения
  • извлечение текста с изображения
  • визуальный диалог

Ограничения

README не описывает обучение, сценарии применения или результаты оценки Zhimu-1.0; возможности и качество сверх характеристик базовой модели не подтверждены. Лицензия указана как other, поэтому условия использования нужно уточнять по карточке репозитория.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 6
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 192
  • total_eval_batch_size: 48
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 4.57.0
  • Pytorch 2.6.0+cu124
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
35efd75

0 моделей