/ Модель

Характеристики

Контекст
8 192 токена
Параметры
8,2 млрд
Размер весов
17,1 ГБ
Лицензия
MIT
Архитектура
gemma · dense
Базовая модель
gemma-7b
Библиотека
transformers
Опубликована
21 фев 2025

Liquid_V1_7B

Генерация текстаТекст → текст3 профессии

Liquid V1 7B — мультимодальная модель на основе Gemma 7B для понимания изображений, ответов текстом и генерации изображений.

155скачиваний за 30 дней98лайковвеса обновлены20 мар 2025

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 «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

Liquid V1 7B — авторегрессионная мультимодальная модель Junfeng Wu и соавторов, созданная на основе Gemma 7B. Она объединяет понимание изображений и их генерацию с текстом в одной трансформерной модели: изображения кодируются в дискретные токены, обучаемые совместно с текстовыми. Модель принимает текст и изображения и генерирует текст или изображения.

Версия с 8,2 млрд параметров рассчитана на мультимодальные сценарии, включая ответы на вопросы об изображениях и генерацию изображений по текстовому запросу. Контекст — до 8192 токенов. В карточке указаны английский язык и лицензия MIT. Доступны веса в формате safetensors.

Модель опирается на Gemma 7B и использует общий авторегрессионный механизм для визуального понимания и генерации. README описывает взаимное улучшение этих задач при масштабировании семейства, но не приводит количественных оценок качества; результаты на конкретных задачах могут различаться.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого изображения
  • генерация изображения по текстовому запросу
  • диалог о визуальном содержимом

Ограничения

Количественные оценки качества и подробности о поддерживаемых языках кроме английского в источниках не приведены. Модель имеет контекст 8192 токена; качество может различаться между задачами понимания и генерации.

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

Model Details

We present Liquid, an auto-regressive generation paradigm that seamlessly integrates visual comprehension and generation by tokenizing images into discrete codes and learning these code embeddings alongside text tokens within a shared feature space for both vision and language. Unlike previous multimodal large language model (MLLM), Liquid achieves this integration using a single large language model (LLM), eliminating the need for external pretrained visual embeddings such as CLIP. Liquid explores the scaling law of this multimodal hybrid model and discovers the phenomenon of mutual promotion between understanding and generation tasks.

Variations Liquid comes in six sizes — 0.5B, 1B, 2B, 7B, 9B, 32B parameters (from multi modal families) in pre-trained variant, and 7B (from GEMMA) in instruction tuned variant.

Input Models input text and image.

Output Models generate text or generated image.

Model Architecture Liquid is an auto-regressive model extending from existing LLMs that uses an transformer architecture.

Citation instructions

@article{wu2024liquid,

title={Liquid: Language Models are Scalable Multi-modal Generators},

author={Wu, Junfeng and Jiang, Yi and Ma, Chuofan and Liu, Yuliang and Zhao, Hengshuang and Yuan, Zehuan and Bai, Song and Bai, Xiang},

journal={arXiv preprint arXiv:2412.04332},

year={2024}

}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
a0e7b76

0 моделей