/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Лицензия
Apache 2.0
Архитектура
qwen2_vl · dense
Базовая модель
Qwen2-VL-2B-Instruct
Опубликована
2 окт 2026

Ссылки

Hugging Face

VKP-Omni-2B

NandiAi
Изображение и текст → текст

Компактный мультимодальный ассистент для анализа изображений и ответов на вопросы на английском и хинди.

123скачиваний за 30 дней1лайквеса обновлены3 окт 2026

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.

Открыть конструктор бенчмарка

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

VKP-Omni-2B — компактный мультимодальный ассистент, разработанный Vikash Kumar Pandit из IIT Patna и дообученный на базе Qwen/Qwen2-VL-2B-Instruct. Модель использует архитектуру Qwen2-VL и принимает текстовые запросы и изображения для генерации текстовых ответов.

Она предназначена для визуальной идентификации и рассуждений по изображениям, а также для диалоговых сценариев на английском и хинди. В карточке также заявлена интеграция с инструментом живого веб-поиска; это зависит от внешней реализации инструмента. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • определение объектов и сцен на изображениях
  • ответы на вопросы по содержимому изображения
  • визуальные рассуждения по текстовому запросу
  • диалоговые ответы на английском языке
  • диалоговые ответы на хинди
  • поиск в интернете через интеграцию с внешним инструментом

Ограничения

Интеграция веб-поиска требует внешнего инструмента и не является самостоятельным поиском по данным модели. Карточка не сообщает результатов сравнительных оценок качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VKP-Omni-2B

VKP-Omni-2B is an ultra-fast multimodal AI assistant developed by Vikash Kumar Pandit at IIT Patna.

Key Capabilities

  • Visual identification and reasoning (Qwen2-VL architecture)
  • Agentic live web search tool integration
  • Fast English and Hindi logical reasoning

Inference Quickstart

import torch
from transformers import Qwen2VLForConditionalGeneration, AutoProcessor

model_id = "NandiAi/VKP-Omni-2B"
processor = AutoProcessor.from_pretrained(model_id)
model = Qwen2VLForConditionalGeneration.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2VLForConditionalGeneration
Ревизия весов
b847344

0 моделей

    Создать бенчмарк