Uploaded finetuned model
- Developed by: ChanYeob
- License: apache-2.0
- Finetuned from model : unsloth/gemma-4-e2b-it-unsloth-bnb-4bit
This gemma4 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 131 072 токена
- Лицензия
- Apache 2.0
- Архитектура
- gemma4 · dense
- Базовая модель
- gemma-4-e2b-it-unsloth-bnb-4bit
- Опубликована
- 20 сен 2026
Ссылки
dan-brain-v1
Изображение и текст → текст
Дообученная мультимодальная модель Gemma 4 для диалогов с изображениями и ответов по их содержимому.
103скачиваний за 30 дней0лайковвеса обновлены21 сен 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
ChanYeob/dan-brain-v1 — дообученная ChanYeob мультимодальная модель семейства Gemma 4 на базе unsloth/gemma-4-e2b-it-unsloth-bnb-4bit. Она предназначена для диалоговых сценариев с изображениями и текстом, где нужно учитывать визуальный контекст и формулировать текстовый ответ. По метаданным, модель использует плотную архитектуру Gemma4ForConditionalGeneration, поддерживает зрение и чат; веса опубликованы в формате safetensors. В README указано, что обучение выполнялось с Unsloth и библиотекой TRL.
Модель распространяется по лицензии Apache-2.0. Карточка не описывает конкретные наборы данных, целевые предметные области или оценку качества, поэтому практические результаты могут зависеть от задачи и входных изображений.
Сценарии применения
- ответы на вопросы по изображению
- описание содержимого фотографии
- диалог с визуальным контекстом
- анализ изображения по текстовому запросу
Ограничения
README не приводит результатов оценки, конкретных целевых задач или обучающих данных, поэтому качество на отдельных сценариях не установлено.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Gemma4ForConditionalGeneration
- Ревизия весов
- 75b7a63