/ Модель

Характеристики

Контекст
32 768 токенов
Размер весов
23,9 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2_5_omni · dense
Библиотека
transformers
Опубликована
25 мая 2026

Light-Omni

Изображение и текст → текст3 профессии

Light-Omni — мультимодальная модель для диалогового понимания видео с долговременной памятью и семантическим поиском по эпизодам.

39скачиваний за 30 дней7лайковвеса обновлены8 июл 2026

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

Light-Omni — мультимодальная модель семейства Qwen2.5-Omni, разработанная ClareNie и представленная как чекпойнт для инференса. Она предназначена для рефлексивного понимания видео с долговременной памятью: объединяет компактное глобальное состояние, сформированное из эпизодической памяти, с латентным состоянием для управления действиями и семантически согласованного поиска.

Модель заявлена для мультимодального диалогового применения, включая понимание видео; в метаданных указаны архитектура Qwen2_5OmniForConditionalGeneration и возможности chat и vision. Репозиторий содержит веса safetensors, файлы токенизатора и конфигурации мультимодального препроцессора. Лицензия обозначена как other, конкретные условия использования в доступных сведениях не раскрыты.

Сценарии применения

  • ответы на вопросы о содержании видео
  • диалоговый анализ видеосцен
  • поиск нужных эпизодов по смыслу
  • использование долговременной памяти при анализе видео
  • управление действиями агента на основе контекста

Ограничения

В доступной карточке не приведены оценки качества, поддерживаемые языки и подробные условия лицензии. Возможности синтеза аудио не подтверждены метаданными задачи, поэтому их нельзя считать установленными.

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

Light-Omni

Light-Omni is a multimodal agent framework for reflexive video understanding with long-term memory. It replaces costly detective-style iterative reasoning with dual contextual states: a compact global state consolidated from episodic memory, and a latent state that drives action control and semantically aligned retrieval.

This repository hosts the Light-Omni model checkpoint for inference. It contains the safetensors weight shards, tokenizer files, model configuration, and multimodal preprocessor configuration files.

Links

Citation

@misc{nie2026lightomni,
  title={Light-Omni: Reflex over Reasoning in Agentic Video Understanding with Long-Term Memory},
  author={Nie, Chang and Wei, Jiaju and Feng, Junlan and Fu, Chaoyou and Shan,
  Caifeng},
  year={2026},
  eprint={2607.05511},
  archivePrefix={arXiv},
  primaryClass={cs.CV},
  url={http://arxiv.org/abs/2607.05511}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Для архитектуры qwen2_5_omni нет загрузчика под задачу vision.

Класс архитектуры
Qwen2_5OmniForConditionalGeneration
Ревизия весов
8aeaeb7

0 моделей