/ 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-SFT

Изображение и текст → текст6 профессий

Thyme-SFT — дообученная на базе Qwen2.5-VL модель для рассуждений и выполнения операций обработки изображений по текстовым запросам.

54скачиваний за 30 дней7лайковвеса 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-SFT — мультимодальная модель компании Kwai-Keye, дообученная на базе Qwen2.5-VL-7B-Instruct методом supervised fine-tuning. Она принимает текст и изображения и предназначена для визуального анализа, сложных рассуждений по изображениям и задач восприятия изображений высокого разрешения. Модель может самостоятельно формировать и выполнять код для обработки изображений и вычислений.

Модель имеет плотную архитектуру Qwen2.5-VL с 7,1 млрд параметров и контекстом до 128 000 токенов. В карточке заявлено обучение на английском языке; используется формат safetensors. Thyme-SFT является частью двухэтапного подхода Thyme, сочетающего SFT и последующее обучение с подкреплением; упоминается алгоритм GRPO-ATS.

Модель распространяется по лицензии MIT. Поскольку это SFT-этап, заявленные улучшения от обучения с подкреплением относятся к подходу Thyme в целом и не гарантированы для этого отдельного чекпойнта.

Сценарии применения

  • ответы на вопросы по содержимому изображений
  • анализ изображений высокого разрешения
  • сложные визуальные рассуждения
  • обработка изображений с помощью генерируемого кода
  • выполнение вычислений в задачах визуального анализа

Ограничения

Карточка описывает возможности Thyme в целом, но не приводит количественных результатов или конкретных ограничений именно для SFT-чекпойнта. Заявленные улучшения от обучения с подкреплением относятся к отдельному этапу Thyme-RL.

Для каких профессий подходит6

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


[📖 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:

@misc{zhang2025thymethinkimages,
      title={Thyme: Think Beyond Images}, 
      author={Yi-Fan Zhang and Xingyu Lu and Shukang Yin and Chaoyou Fu and Wei Chen and Xiao Hu and Bin Wen and Kaiyu Jiang and Changyi Liu and Tianke Zhang and Haonan Fan and Kaibing Chen and Jiankang Chen and Haojie Ding and Kaiyu Tang and Zhang Zhang and Liang Wang and Fan Yang and Tingting Gao and Guorui Zhou},
      year={2025},
      eprint={2508.11630},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2508.11630}, 
}

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
458426b

0 моделей