/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
MIT
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Опубликована
15 авг 2025

Thyme-RL

Изображение и текст → текст3 профессии

Мультимодальная модель Kwai-Keye на базе Qwen2.5-VL для анализа изображений высокого разрешения и сложных визуальных задач с использованием исполняемого кода.

4 379скачиваний за 30 дней13лайковвеса обновлены18 авг 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 «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

Thyme-RL — мультимодальная модель Kwai-Keye, дообученная на базе Qwen/Qwen2.5-VL-7B-Instruct с помощью обучения с подкреплением. Она предназначена для анализа изображений высокого разрешения и решения сложных задач визуального восприятия и рассуждения. Модель может автономно генерировать и выполнять код для обработки изображений и вычислений; обучение сочетает supervised fine-tuning и reinforcement learning с алгоритмом GRPO-ATS.

Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает изображения и текстовые инструкции, выдавая текстовые ответы. Контекст — до 128 000 токенов. В карточке указана лицензия MIT. Модель ориентирована на английский язык; качество на других языках не подтверждено.

Сценарии применения

  • анализ изображений высокого разрешения по текстовым инструкциям
  • решение сложных задач визуального рассуждения
  • выполнение вычислений при анализе изображений
  • автоматизированная обработка изображений с помощью кода

Ограничения

В карточке описаны визуальные задачи, однако конкретные показатели качества и перечень поддерживаемых операций не приведены. Поддержка языков, кроме английского, не подтверждена.

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


[📖 Home Page] [📖 Github Repo] [📖 Technique Report]

[📊 Thyme SFT Model] [📊 Thyme RL Model] [📝 SFT Data] [📝 RL Data]

🔥 News

  • 2025.08.15 🌟 We are excited to introduce Thyme: Think Beyond Images. Thyme transcends traditional ``thinking with images'' paradigms by autonomously generating and executing diverse image processing and computational operations through executable code, significantly enhancing performance on high-resolution perception and complex reasoning tasks. Leveraging a novel two-stage training strategy that combines supervised fine-tuning with reinforcement learning and empowered by the innovative GRPO-ATS algorithm, Thyme achieves a sophisticated balance between reasoning exploration and code execution precision.

We have provided the usage instructions, training code, and evaluation code in the GitHub repo.

Citation

If you find Thyme useful in your research or applications, please cite our paper:

@article{zhang2025thyme,
  title={Thyme: Think Beyond Images},
  author={Kwai Keye},
  journal={arXiv preprint},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
88bd0be

0 моделей