/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
56,2 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_5 · dense
Базовая модель
Qwen-SEA-LION-v4.5-27B-IT
Библиотека
vllm
Опубликована
12 сен 2026

OmniLion

Мультимодальная модель5 профессий

OmniLion — мультимодальная модель для ответов на текстовые, визуальные, аудио- и видеозапросы через vLLM.

49скачиваний за 30 дней0лайковвеса обновлены15 сен 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

OmniLion — мультимодальная модель от LLJYY, объединяющая языковую и визуальную модель SEA-LION/Qwen3.6 с аудиокодировщиком Qwen3-ASR и обученным аудиопроектором. В одном процессе vLLM она принимает текст, изображения, видео, аудио или совместный аудио-видеоввод и формирует текстовый ответ. Репозиторий содержит веса SafeTensors; для запуска требуется соответствующий плагин vLLM. В README подтверждена работа на Linux ARM64 с NVIDIA GB10; проверена только точность BF16 на указанной конфигурации.

Модель предназначена для диалоговых мультимодальных сценариев, включая вопросы по изображениям и видео, транскрибацию и понимание аудио, а также запросы по синхронным аудио и видео. Аудиофрагменты ограничены 30 секундами. Указаны слабые результаты для незавершённой речи и сохранения тамильской речи; возможны галлюцинации, также наследуются ограничения безопасности и смещения компонентов и последующего обучения. Лицензия в метаданных обозначена как other; подробные условия компонентов вынесены в LICENSES.md.

Сценарии применения

  • ответы на вопросы по изображениям
  • описание и анализ видеороликов
  • транскрибация и понимание аудиофрагментов
  • ответы на запросы по совместной аудио- и видеозаписи
  • диалог с подачей текста, изображений, видео и аудио в одном процессе

Ограничения

Аудио ограничено 30 секундами на фрагмент; отмечены слабые результаты на незавершённой речи и сохранении тамильской речи. Модель может галлюцинировать и наследует ограничения безопасности и смещения своих компонентов.

Для каких профессий подходит5

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

OmniLion

OmniLion combines the SEA-LION/Qwen3.6 language and vision model with a Qwen3-ASR audio encoder and a trained audio projector.

A single native vLLM process supports:

  • text → text
  • image → text
  • video → text
  • audio → text
  • joint video + audio → text

This is a Hugging Face SafeTensors model, not GGUF. The matching vLLM plugin is required.

Install

The verified runtime is Linux ARM64 on NVIDIA GB10 with Python 3.12, vLLM 0.29.0, PyTorch 2.13.0+cu129, and Transformers 5.17.0. Install the appropriate vLLM/PyTorch build for your platform first, then install the included plugin:

python -m pip install --no-deps ./omnilion_vllm_plugin-0.1.0-py3-none-any.whl

Serve

export VLLM_PLUGINS=omnilion
export PYTHONNOUSERSITE=1

vllm serve LLJYY/OmniLion \
  --served-model-name OmniLion \
  --host 127.0.0.1 \
  --port 8002 \
  --dtype bfloat16 \
  --max-model-len 8192 \
  --max-num-seqs 1 \
  --gpu-memory-utilization 0.65 \
  --limit-mm-per-prompt '{"image":1,"video":1,"audio":1}' \
  --media-io-kwargs '{"video":{"num_frames":30}}' \
  --chat-template-content-format string \
  --enforce-eager

Use /v1/chat/completions with model: "OmniLion". OpenAI-compatible content parts are image_url, video_url, and input_audio. For joint AV, place the video and audio parts before the text instruction in the same user message. Audio is limited to 30 seconds per item in this release.

Thinking

OmniLion keeps Qwen3.6's thinking behavior enabled for normal requests. Clients can pass chat_template_kwargs: {"enable_thinking": false} for strict-format, low-latency, or deterministic health-check calls.

Promotion status and benchmark proxy

This revision was promoted by explicit user override after the automatic evaluation gate failed. The failed gate remains immutable and is not represented as a pass. These values are retained as a benchmark proxy for future repair adjustments:

  • MMAU: 664/1000, versus 669/1000 for the previous accepted revision
  • Daily-Omni joint: 45/64, versus 46/64
  • Tamil: 458/900, versus 475/900
  • Silence/room tone: 32/32; cough: 8/8; sigh: 8/8; throat clearing: 7/8
  • Partial/abandoned speech: 0/32
  • Intelligible speech with inserted events incorrectly suppressed: 0/16

Known weak areas are partial/abandoned speech, one throat-clear case, and Tamil retention.

Notes

  • The release was verified with text, image, video, audio, and joint-AV requests through one vLLM process and through LiteLLM.
  • Only BF16 on the pinned GB10 runtime is release-verified.
  • The model can hallucinate and inherits the safety and bias limitations of its components and subsequent training.
  • Training data and evaluation media are not included.
  • Keep raw vLLM private; put an authenticated gateway such as LiteLLM in front for networked deployment.

Exact files and hashes are in release-manifest.json. Lineage is in PROVENANCE.md, and component terms are in LICENSES.md.

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Класс архитектуры
OmniLionForConditionalGeneration
Ревизия весов
ef46e73

0 моделей