/ Модель

Характеристики

Лицензия
Gemma
Архитектура
gemma3 · dense
Базовая модель
gemma-3-12B-it
Библиотека
transformers
Опубликована
3 июн 2026

MamayLM-Gemma-3-12B-IT-v2.0

Изображение и текст → текст11 профессий

Мультимодальная модель INSAIT на базе Gemma 3 для диалогов, следования инструкциям и понимания изображений, с адаптацией для украинского языка.

1 511скачиваний за 30 дней5лайковвеса обновлены3 июн 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

MamayLM-Gemma-3-12B-IT-v2.0 — украиноязычная адаптация мультимодальной модели Gemma 3 от INSAIT-Institute, дообученная на базе google/gemma-3-12B-it. Это плотная модель с архитектурой Gemma3ForConditionalGeneration, предназначенная для диалогов, следования сложным инструкциям и понимания изображений вместе с текстом. Доступны версии MamayLM v2.0 размером 12B и 27B; этот репозиторий содержит вариант 12B.

Модель подходит для вопросов по изображениям, многоходовых бесед и задач на украинском языке, а также поддерживает английский. В README указаны данные предварительного обучения до мая 2025 года и инструкционного дообучения до октября 2025 года. Для работы с изображениями следует избегать динамической квантизации vision tower и мультимодального проектора через параметр vLLM quantization="fp8": README предупреждает, что это приводит к некорректным результатам на изображениях. Репозиторий распространяется по лицензии Gemma.

Сценарии применения

  • ответы на вопросы об изображениях на украинском языке
  • многоходовые диалоги на украинском языке
  • выполнение сложных инструкций на украинском языке
  • ответы на общие вопросы на английском языке

Ограничения

Динамическая квантизация FP8 через параметр vLLM quantization="fp8" может повредить работу vision tower и мультимодального проектора, вызывая некорректные ответы на изображения. Модель основана на данных предварительного обучения до мая 2025 года и инструкционного дообучения до октября 2025 года.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MamayLM-Gemma-3-12B-IT-v2.0

MamayLM v2.0 is a series of Ukrainian-adapted LLMs based on Gemma 3, developed by INSAIT. Available in 12B and 27B sizes. The successor to MamayLM-Gemma-3-12B-IT-v1.0.

Blog post: MamayLM v2.0 Release

Key improvements over MamayLM v1.0

  1. Vision-language understanding — The model understands both text and images within the same context.
  2. Instruction-following — Trained on a broader range of tasks, multi-turn conversations, complex instructions, and system prompts.
  3. Improved localization — Better Ukrainian alignment and cultural understanding.
  4. Updated knowledge cut-off — Pretraining data up to May 2025, instruction fine-tuning up to October 2025.

Figure 1: Overall performance on English and Ukrainian benchmarks.

Usage

Transformers

from transformers import AutoProcessor, Gemma3ForConditionalGeneration
import torch

model_id = "INSAIT-Institute/MamayLM-Gemma-3-12B-IT-v2.0"

processor = AutoProcessor.from_pretrained(model_id)
model = Gemma3ForConditionalGeneration.from_pretrained(
    model_id, device_map="auto"
).eval()

messages = [
    {
        "role": "user",
        "content": [{"type": "text", "text": "Коли був заснований Київський університет?"}],
    },
]

inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt"
).to(model.device, dtype=torch.bfloat16)

input_len = inputs["input_ids"].shape[-1]

with torch.inference_mode():
    generation = model.generate(**inputs, max_new_tokens=512, do_sample=True, temperature=0.2)
    generation = generation[0][input_len:]

print(processor.decode(generation, skip_special_tokens=True))

With an image

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg"},
            {"type": "text", "text": "Опиши, що ти бачиш на зображенні."},
        ],
    },
]

inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt"
).to(model.device, dtype=torch.bfloat16)

input_len = inputs["input_ids"].shape[-1]

with torch.inference_mode():
    generation = model.generate(**inputs, max_new_tokens=512, do_sample=True, temperature=0.2)
    generation = generation[0][input_len:]

print(processor.decode(generation, skip_special_tokens=True))

vLLM

from vllm import LLM, SamplingParams

llm = LLM(model="INSAIT-Institute/MamayLM-Gemma-3-12B-IT-v2.0")
params = SamplingParams(max_tokens=512, temperature=0.2)

messages = [
    {
        "role": "user",
        "content": [{"type": "text", "text": "Коли був заснований Київський університет?"}],
    },
]

outputs = llm.chat(messages, sampling_params=params)
print(outputs[0].outputs[0].text)

Serving with the OpenAI-compatible API:

vllm serve INSAIT-Institute/MamayLM-Gemma-3-12B-IT-v2.0

FP8 for faster inference

Do not use vLLM's on-the-fly quantization="fp8" flag with this base model — it silently quantizes the vision tower and multi-modal projector, producing garbage outputs on image inputs.

License

MamayLM-Gemma-3-12B-IT-v2.0 is distributed under the Gemma Terms of Use.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForConditionalGeneration
Ревизия весов
3cb0201

0 моделей