/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
10,2 ГБ
Лицензия
Apache 2.0
Архитектура
ovis_u1 · dense
Базовая модель
Ovis2-2B
Библиотека
transformers
Опубликована
28 июн 2025

Ovis-U1-3B

Генерация текстаТекст → текст3 профессии

Ovis-U1-3B — мультимодальная модель AIDC-AI для анализа изображений, генерации изображений по тексту и редактирования изображений по инструкциям.

280скачиваний за 30 дней215лайковвеса обновлены3 июл 2025

Бенчмарки

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

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

Ovis-U1-3B — мультимодальная модель семейства Ovis от AIDC-AI, дообученная на базе AIDC-AI/Ovis2-2B. Модель объединяет понимание изображений, генерацию изображений по тексту и редактирование изображений по инструкциям в единой архитектуре OvisU1 с 3 млрд параметров. Репозиторий содержит веса в формате safetensors; для работы указана библиотека Transformers.

Модель подходит для диалога с визуальными входными данными, описания и анализа изображений, создания изображений по текстовым запросам и изменения существующих изображений. В карточке Hugging Face указан английский язык. Лицензия — Apache-2.0.

Разработчик отмечает, что применял проверки соответствия при обучении, но не гарантирует полного отсутствия проблем с авторскими правами или нежелательного контента. Представленные в README сравнительные таблицы не содержат строк с результатами самой Ovis-U1-3B, поэтому по ним нельзя оценить её качество.

Сценарии применения

  • описание содержимого изображения
  • ответы на вопросы по изображению
  • генерация изображения по текстовому запросу
  • редактирование изображения по текстовой инструкции
  • диалог с визуальными данными

Ограничения

Разработчик не гарантирует полного отсутствия проблем с авторскими правами или нежелательного контента. В приведённых в README бенчмарк-таблицах нет результатов этой модели.

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

Ovis-U1

📦 Installation

Ovis-U1 has been tested with Python 3.10, Torch 2.4.0, Transformers 4.51.3, and DeepSpeed 0.15.4. For a comprehensive list of package dependencies, please consult the requirements.txt file.

git clone git@github.com:AIDC-AI/Ovis-U1.git
conda create -n ovis-u1 python=3.10 -y
conda activate ovis-u1
cd Ovis-U1
pip install -r requirements.txt
pip install -e .

🛠️ Inference

For single image understanding, please run

python test_img_to_txt.py

For multi-image understanding, please run

python test_multi_img_to_txt.py

For text-to-image, please run

python test_txt_to_img.py \
    --height 1024 \
    --width 1024  \
    --steps 50 \
    --seed 42 \
    --txt_cfg 5  

For image editing, please run

python test_img_edit.py \
    --steps 50 \
    --img_cfg 1.5 \
    --txt_cfg 6  

📊 Performance

OpenCompass Multi-modal Academic Benchmarks

ModelAvgMMBMMSMMMUMathVistaHallusionAI2DOCRBenchMMVet
GPT-4o75.48670.272.971.65786.382.276.9
InternVL2.5-2B59.970.954.343.251.142.374.980.262.6
SAIL-VL-2B6173.756.544.162.845.977.483.144.2
InternVL3-2B61.17861.148.757.641.978.683.167
Qwen2.5-VL-3B64.576.856.351.261.246.681.482.860
Ovis2-2B65.276.956.745.664.150.282.787.358.3
SAIL-VL-1.5-2B6778.562.646.4675083.789.158.8
Ristretto-3B67.780.262.851.367.650.284.284.760.7
Ovis-U169.677.861.351.169.456.385.688.366.7

GenEval

ModelOverallSingle objectTwo objectCountingColorsPositionAttribute binding
GPT-4o0.840.990.920.850.920.750.61
BAGEL0.820.990.940.810.880.640.63
BAGEL 📝0.880.980.950.840.950.780.77
UniWorld-V10.800.990.930.790.890.490.70
UniWorld-V1 📝0.840.980.930.810.890.740.71
OmniGen0.680.980.840.660.740.400.43
OmniGen20.8010.950.640.880.550.76
OmniGen2 📝0.860.990.960.740.980.710.75
Ovis-U10.890.980.980.900.920.790.75

📝 denotes using the rewritten prompts

DPG-Bench

ModelOverallGlobalEntityAttributeRelationOther
BAGEL85.0788.9490.3791.2990.8288.67
UniWorld-V181.3883.6488.3988.4489.2787.22
OmniGen81.1687.9088.9788.4787.9583.56
OmniGen283.5788.8188.8390.1889.3790.27
Ovis-U183.7282.3790.0888.6893.3585.20

ImgEdit-Bench

ModelOverallAddAdjustExtractReplaceRemoveBackgroundStyleHybridAction
GPT-4o4.24.614.332.94.353.664.574.933.964.89
MagicBrush1.902.841.581.511.971.581.752.381.621.22
Instruct-P2P1.882.451.831.442.011.501.443.551.21.46
AnyEdit2.453.182.951.882.472.232.242.851.562.65
UltraEdit2.73.442.812.132.961.452.833.761.912.98
OmniGen2.963.473.041.712.942.433.214.192.243.38
Step1X-Edit3.063.883.141.763.402.413.164.632.642.52
ICEdit3.053.583.391.733.152.933.083.842.043.68
BAGEL3.23.563.311.73.32.623.244.492.384.17
UniWorld-V13.263.823.642.273.473.242.994.212.962.74
OmniGen23.443.573.061.773.743.23.574.812.524.68
Ovis-U14.004.133.622.984.454.064.224.693.454.61

GEdit-Bench-EN

ModelAvgBackground ChangeColor AlterationMaterial ModificationMotion ChangePortrait BeautificationStyle TransferSubject AdditionSubject RemovalSubject ReplacementText ModificationTone Transformation
GPT-4o7.5347.2056.4916.6078.0967.7686.9617.6228.3318.0677.4278.301
AnyEdit3.2124.6634.2602.5372.0243.4792.0323.9953.0893.1800.9225.151
Instruct-Pix2Pix3.6843.8255.1823.6883.5094.3394.5603.4612.0314.2370.9554.733
MagicBrush4.5185.6375.1365.0784.5134.4874.4395.2523.7044.9411.3845.130
OmniGen5.0625.2816.0035.3082.9163.0874.9036.6286.3525.6164.5195.064
Gemini6.3156.7816.3696.0406.9385.5914.6767.5016.4477.0035.7656.350
Step1X-Edit6.7016.5476.5456.2046.4836.7877.2216.9756.5127.0686.9216.448
Doubao6.7547.4307.0956.3396.9736.9726.7677.6746.7487.4473.4717.383
BAGEL6.5197.3246.9096.3814.7534.5736.1507.8967.1647.0217.3206.218
Ovis-U16.4207.4866.8796.2084.7905.9816.4637.4917.2547.2664.4826.314

📚 Citation

If you find Ovis-U1 useful, please cite our paper:

@article{wang2025ovisu1,
  title={Ovis-U1 Technical Report}, 
  author={Wang, Guo-Hua and Zhao, Shanshan and Zhang, Xinjie and Cao, Liangfu and Zhan, Pengxin and Duan, Lunhao and Lu, Shiyin and Fu, Minghao and Zhao, Jianshan and Li, Yang and Chen, Qing-Guo},
  journal={arXiv preprint arXiv:2506.23044},
  year={2025}
}

🙏 Acknowledgments

The code is built upon Ovis and FLUX.

📄 License

The project is released under Apache License 2.0 (http://www.apache.org/licenses/LICENSE-2.0, SPDX-License-identifier: Apache-2.0).

🚨 Disclaimer

We used compliance checking algorithms during the training process, to ensure the compliance of the trained model to the best of our ability. Due to complex data and the diversity of language model usage scenarios, we cannot guarantee that the model is completely free of copyright issues or improper content. If you believe anything infringes on your rights or generates improper content, please contact us, and we will promptly address the matter.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
OvisU1
Ревизия весов
cbc005d

0 моделей