/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
48 ГБ
Лицензия
Apache 2.0
Архитектура
mistral3 · dense
Базовая модель
Magistral-Small-2506
Библиотека
vllm
Опубликована
13 июн 2025

Magistral-Small-2506-Vision

Изображение и текст → текст5 профессий

Экспериментальная версия Magistral Small с добавленным визуальным энкодером для диалогов и рассуждений по тексту и изображениям.

21скачиваний за 30 дней9лайковвеса обновлены16 июн 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

OptimusePrime создал экспериментальный контрольный чекпойнт Magistral-Small-2506 с поддержкой изображений. Автор добавил к Magistral Small визуальный энкодер Mistral Small 3.1; дополнительного обучения не проводилось. Модель предназначена для диалогов и рассуждений по тексту и изображениям, включая мультимодальные вопросы и анализ визуального содержимого. Архитектура — плотная Mistral3 с условной генерацией; метаданные указывают базовые модели mistralai/Magistral-Small-2506 и mistralai/Mistral-Small-3.1-24B-Instruct-2503, формат safetensors и использование через vLLM.

Поддерживаются английский, французский, немецкий, испанский, португальский, итальянский, японский, корейский, русский, китайский, арабский, персидский, индонезийский, польский, румынский, шведский, турецкий, украинский, вьетнамский, хинди и бенгальский. Репозиторий распространяется по лицензии Apache-2.0. Автор предупреждает о возможных ошибках конфигурации и снижении качества; реализация Mistral 3 в Transformers работает неудовлетворительно. Для создания модели в BF16 требуется около 150 ГБ оперативной памяти.

Сценарии применения

  • ответы на вопросы по изображению
  • описание и анализ визуального содержимого
  • мультимодальные диалоги с изображениями
  • рассуждения по тексту и изображениям

Ограничения

Чекпойнт экспериментальный: возможны ошибки конфигурации и снижение производительности. Автор сообщает о проблемах реализации Mistral 3 в Transformers; модель проверялась с vLLM.

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

Magistral-Small-2506-Vision

Inspired by https://huggingface.co/ngxson/Devstral-Small-Vision-2505-GGUF, which is a Devstral vision experiment, this is an experimental checkpoint of Magistral-Small-2506 with vision.

Magistral Small is a GRPO-trained reasoning fine-tune of Mistral Small 3.1, which is a vision-capable LLM.

In its technical report, Mistral states that Magistral was fine-tuned on text-only data, but the authors report results on MMMU, MMMU-Pro and MathVista benchmarks, which show modest improvements despite text-only training. This suggests that Magistral successfully generalized its reasoning capabilities to multimodal data.

Mistral removed Magistral's vision encoder in their official release. This may be because of the performance gap between text-only and multimodal inputs.

In this model, I grafted Mistral Small 3.1's vision encoder on to Magistral Small. No further training was done, which should mean that text-only performance of this model should be the same as Mistral's official release.

The model was tested with vLLM and should work with any toolkit supporting Mistral Small 3.1. The Transformers implementation of Mistral 3 does not work well.

Make sure to use the system prompt provided in the SYSTEM_PROMPT.txt file (from Mistral's docs) and the sampling params temp=0.7, top_p=0.95.

The code used for creating this model can be found here: https://colab.research.google.com/drive/1UuMo4VSgVoD4GfLrFgHUJvCv0cdALR7m?usp=sharing. It requires ~150 GB of RAM (VRAM is not needed for this) since it loads three 24B models in BF16. 4-bit bits and bytes quantization could be used to reduce the memory requirements to 1/4.

There still may be configuration errors in this model which might reduce performance. Let me know if you encounter any weird behavior!

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Можно запустить

Подбираем GPU…

Класс архитектуры
Mistral3ForConditionalGeneration
Ревизия весов
3392d4c

0 моделей