/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
221 млн
Лицензия
MIT
Архитектура
dac6_5 · dense
Библиотека
transformers
Опубликована
6 сен 2026

DAC6.5

Изображение и текст → текст3 профессии

DAC6.5 — компактная мультимодальная модель M.INC. для диалога и ответов на вопросы по изображениям.

50скачиваний за 30 дней0лайковвеса обновлены11 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

DAC6.5 — компактная мультимодальная модель M.INC. для диалогового понимания изображений и текста. Она объединяет языковую основу LFM2.5-230M с визуальным энкодером SigLIP2 и обученным проекционным модулем; в метаданных указаны 221,2 млн параметров и контекст до 128 000 токенов. Модель предназначена для быстрого запуска на локальных и edge-устройствах и поддерживает чат с изображениями на нескольких языках.

Репозиторий содержит веса Safetensors и конфигурации Transformers; лицензия — MIT. Заявления README о качестве zero-shot и низкой задержке не сопровождаются в карточке результатами сравнительных оценок.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание объектов и сцен на изображении
  • визуальный чат на нескольких языках

Ограничения

Карточка не приводит количественных оценок качества и подробностей о поведении на сложных изображениях; заявленные быстродействие и zero-shot возможности не подтверждены сравнительными результатами.

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

DAC6.5 — M.INC. Architecture Series

M.INC. is proud to present DAC6.5, the flagship release introducing our custom, proprietary multimodal architecture. Designed to bring high-performance vision-language capabilities to small-footprint and edge compute environments, DAC6.5 seamlessly unifies perception and reasoning into a single cohesive ecosystem.

DAC6.5 couples the LFM2.5-230M language backbone with the high-resolution SigLIP2 vision encoder through a custom-trained projection module, delivering strong zero-shot image understanding, rapid inference, and minimal memory overhead.


Model Architecture & Technical Overview

Unlike fragmented pipelines requiring complex multi-stage orchestration, DAC6.5 is engineered as an integrated, end-to-end multimodal system:

  • Language Backbone (LFM2.5-230M): Ultra-lightweight text engine fine-tuned for high throughput and low-latency response generation.
  • Vision Encoder (SigLIP2): State-of-the-art visual feature extraction, capturing deep spatial and semantic details from input images.
  • Proprietary Projector: A dedicated cross-modal projection layer trained from scratch by M.INC. to map visual representation spaces directly into the language model's embedding space.

Repository Structure & Core Artifacts

This repository contains the complete unified weights, configuration schemas, and quantization variants required for deployment:

Weights & Configurations

  • model.safetensors — Unified model weights stored with isolated, clean namespaces (language_model.*, vision_encoder.*, and projector.*).
  • config.json — Core DAC6.5 architecture specifications and inter-component routing.
  • tokenizer.json, tokenizer_config.json, chat_template.jinja — Complete tokenizer configuration and standard chat templates for the LFM engine.
  • vision_config.json, processor_config.json — Preprocessing pipelines and parameter definitions for the SigLIP2 vision encoder.

☕ Support my research

Buy Me a Coffee


About M.INC.

M.INC. focuses on research and development of custom neural architectures, efficient language models, and accessible multimodal systems. DAC6.5 represents the first milestone in our custom architecture series, establishing a new baseline for compact, locally deployable artificial intelligence.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура dac6_5 неизвестна transformers в образе рантайма.

Класс архитектуры
DAC6_5ForConditionalGeneration
Ревизия весов
18e283a

0 моделей