/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
transformers
Опубликована
12 мар 2026

Meissa-4B

Изображение и текст → текст3 профессии

Мультимодальная медицинская модель на базе Qwen3-VL для анализа изображений и клинических сценариев с вызовом инструментов и взаимодействием агентов.

201скачиваний за 30 дней4лайкавеса обновлены17 мар 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 «Изображение → 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

Meissa-4B — мультимодальная медицинская модель на 4 млрд параметров, разработанная CYX1998 на основе Qwen3-VL-4B-Instruct. Она предназначена для медицинских сценариев с изображениями: анализа снимков, ответов на визуальные вопросы и клинических консультаций с использованием инструментов и взаимодействия нескольких агентов. Модель поддерживает диалог, изображения и встроенное пошаговое рассуждение; для вызова инструментов README рекомендует запуск через vLLM с парсером Hermes.

Модель дообучена на 43 210 медицинских траекториях, полученных дистилляцией взаимодействий frontier-моделей. В обучающих данных представлены радиология, патология и общие клинические рассуждения; заявлены сценарии анализа рентгенограмм грудной клетки, итеративного изучения изображений и консультаций нескольких медицинских агентов. Модель рассчитана на работу локально, без API-вызовов. Лицензия — Apache-2.0.

Сценарии применения

  • анализ рентгенограмм грудной клетки с медицинскими инструментами
  • ответы на вопросы по медицинским изображениям
  • пошаговый анализ областей медицинского снимка
  • подготовка радиологических заключений с помощью инструментов
  • многоагентное обсуждение клинического случая

Ограничения

Это исследовательский прототип, не предназначенный для принятия реальных клинических решений; модель может выдавать правдоподобную, но ошибочную информацию. Она обучена и оценивалась только на английских медицинских данных, а её результаты в специальностях вне радиологии и патологии могут быть менее надёжными.

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

Meissa-4B: Multi-modal Medical Agentic Intelligence

Meissa-4B is a lightweight 4B-parameter medical multi-modal LLM with full agentic capability. Instead of relying on proprietary frontier models (GPT, Gemini), Meissa brings tool calling, multi-agent collaboration, and clinical simulation offline by distilling structured trajectories from frontier agent systems into a compact vision-language model.

Key Features

  • 4 agentic paradigms in a single model: continuous tool calling, interleaved thinking with images, multi-agent collaboration, and multi-turn clinical simulation
  • Offline deployment: runs entirely locally with vLLM, no API calls needed
  • Tool calling: native <tool_call> support via Hermes format, compatible with vLLM's tool-call parser
  • Thinking: built-in <think> chain-of-thought reasoning before actions

Model Details

Base modelQwen3-VL-4B-Instruct
ArchitectureQwen3VLForConditionalGeneration
Parameters4B
Precisionbfloat16
Training methodLoRA SFT (rank=32, alpha=64), merged
Training data43,210 medical agentic trajectories (open subset)
Training frameworkLLaMA-Factory
Context length8,192 tokens (training)
Tested environmenttransformers 4.57.0, vLLM 0.11.0

Quickstart

Load with Transformers

from transformers import AutoModelForImageTextToText, AutoProcessor
import torch

model = AutoModelForImageTextToText.from_pretrained(
    "CYX1998/Meissa-4B",
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
processor = AutoProcessor.from_pretrained("CYX1998/Meissa-4B")

Serve with vLLM (Recommended)

For agentic use cases, serve Meissa with vLLM to enable tool calling:

python -m vllm.entrypoints.openai.api_server \
    --model CYX1998/Meissa-4B \
    --port 8877 \
    --max-model-len 8192 \
    --gpu-memory-utilization 0.85 \
    --dtype bfloat16 \
    --enable-auto-tool-choice \
    --tool-call-parser hermes

# Set the endpoint
export OPENAI_BASE_URL="http://127.0.0.1:8877/v1"
export OPENAI_API_KEY="dummy"

The --enable-auto-tool-choice --tool-call-parser hermes flags are required for tool calling.

Example: Tool Calling

from openai import OpenAI

client = OpenAI(base_url="http://127.0.0.1:8877/v1", api_key="dummy")

tools = [{
    "type": "function",
    "function": {
        "name": "ChestXRayClassifier",
        "description": "Classify pathologies in a chest X-ray image.",
        "parameters": {
            "type": "object",
            "properties": {
                "image_path": {"type": "string", "description": "Path to the chest X-ray image"}
            },
            "required": ["image_path"]
        }
    }
}]

response = client.chat.completions.create(
    model="CYX1998/Meissa-4B",
    messages=[{"role": "user", "content": "Analyze this chest X-ray: /path/to/cxr.jpg"}],
    tools=tools,
)
print(response.choices[0].message)

Supported Agentic Frameworks

FrameworkDescriptionTools
I: Continuous Tool CallingSequential tool use for radiology analysis8 chest X-ray tools (classifier, report generator, VQA, segmentation, etc.)
II: Interleaved Thinking with ImagesIterative visual reasoning with zoomZoomInSubfigure, SegmentRegion, Terminate
III: Multi-Agent CollaborationMulti-agent medical consultationAssessDifficulty, RecruitExperts, ConsultExperts, FacilitateDebate
IV: Clinical SimulationMulti-turn doctor-patient interactionRequestPhysicalExam, RequestTest, Terminate

Training Data

Trained on 43,210 medical agentic SFT trajectories distilled from Gemini:

FrameworkSamplesSource Datasets
I: Continuous Tool Calling4,898MIMIC-CXR-VQA
II: Interleaved Thinking15,211PathVQA, MIMIC-CXR-VQA, SLAKE, VQA-RAD
III: Multi-Agent Collaboration15,427MIMIC-CXR-VQA, PathVQA, MedQA, PubMedQA
IV: Clinical Simulation7,674MedQA, MIMIC-CXR

The open-source subset (25,018 samples) is available at CYX1998/Meissa-SFT.

Evaluation

Meissa-4B matches or exceeds GPT-4o and Gemini-3-flash on multiple medical agentic benchmarks while being deployable offline on a single GPU. See our paper for full results.

Limitations

  • Not for clinical use: This model is a research prototype and should NOT be used for real clinical decision-making.
  • English only: Trained and evaluated on English medical data only.
  • Domain scope: Primarily trained on radiology, pathology, and general clinical reasoning. Performance on other medical specialties may vary.
  • Hallucination: Like all LLMs, Meissa may generate plausible but incorrect medical information.

Citation

@inproceedings{chen2026meissa,
  title={Meissa: Multi-modal Medical Agentic Intelligence},
  author={Chen, Yixiong and Bai, Xinyi and Pan, Yue and Zhou, Zongwei and Yuille, Alan},
  journal={arXiv preprint arXiv:2603.09018},
  year={2026}
}

License

This model is released under Apache 2.0. The base model Qwen3-VL-4B-Instruct is subject to the Qwen License.

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
2e17d83

0 моделей