/ Модель

Характеристики

Контекст
12 288 токенов
Лицензия
Apache 2.0
Архитектура
neo_chat · dense
Библиотека
transformers
Опубликована
16 окт 2025

NEO1_0-2B-SFT

Генерация текстаТекст → текст4 профессии

Native vision-language чат-модель на 2,2 млрд параметров для анализа изображений и ответов на вопросы о них.

242скачиваний за 30 дней10лайковвеса обновлены21 окт 2025

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

Paranioar/NEO1_0-2B-SFT — версия native vision-language модели NEO1_0, прошедшая supervised fine-tuning. Разработчики описывают NEO как плотную монолитную модель, обученную с нуля для объединения визуального восприятия и языковых возможностей в общей системе; модель содержит 2,2 млрд параметров без учета эмбеддингов, 40 слоев и использует GQA с 16 головами Q и 8 головами KV. Архитектура сочетает Native-Attn и Native-RoPE.

Модель предназначена для диалоговых сценариев с изображениями: восприятия визуального содержимого и рассуждений по нему с формированием текстового ответа. Метаданные указывают на интерфейс чата и интерфейс вызова инструментов, однако README не приводит конкретных примеров или результатов оценки. Репозиторий содержит веса Safetensors для Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого изображения
  • визуальное рассуждение в диалоге
  • вызов инструментов в чат-сценариях с изображениями

Ограничения

README не сообщает результатов бенчмарков и не приводит измерений качества, поэтому возможности модели нельзя количественно оценить по доступным данным.

Для каких профессий подходит4

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

| Paper | Code |

🌟🌟 Motivation

Two lingering clouds cast shadows over its widespread exploration and promotion:

  • What fundamental constraints set native VLMs apart from modular ones, and to what extent can these barriers be overcome?

  • How to make research in native VLMs more accessible and democratized, thereby accelerating progress in the field.

We construct native VLMs built from first principles, where its primitive should:

  • effectively align pixel and word representations within a shared semantic space;

  • seamlessly integrate the strengths of separate vision and language modules;

  • inherently embody various cross-modal properties that support unified vision-language encoding, aligning, and reasoning.

🚀🚀 Highlight

  • With only 390M image-text examples, NEO develops strong visual perception from scratch inside a dense and monolithic model via elaborate primitives.

  • NEO serves as a cornerstone for scalable and powerful native VLMs, paired with reusable components that foster a cost-effective and extensible ecosystem.

🧑‍🎨🧑‍🎨 Model Overview

NEO1_0-2B has the following features:

  • Model Type: Native Vision-Language Models

  • Model Mode: Mixed Native-Attn & Native-RoPE

  • Layer Parameters: 56M vs. 50M (Qwen3-1.7B)

  • Model Parameters: 2.2B (Non-Embedding)

  • Number of Layers: 40 (12 for Pre-Buffer & 28 for Post-LLM)

  • Number of Heads: 16 for Q and 8 for KV (GQA)

  • Head Dimensions: 128 * 2 for QK and 128 for V

🔥🔥 Model Performance

📚📚 Model Weights

We release the 2B weights of NEO1_0 in Pre-Training (PT), Mid-Training (MT), and Supervised Fine-Tuning (SFT).

Model nameWeight
NEO-2B-PT🤗 NEO-2B-PT HF link
NEO-2B-MT🤗 NEO-2B-MT HF link
NEO-2B-SFT🤗 NEO-2B-SFT HF link

✒️✒️ Citation

If NEO is helpful for your research, please consider star ⭐ and citation 📝 :

@article{Diao2025NEO,
  title        = {From Pixels to Words--Towards Native Vision-Language Primitives at Scale},
  author       = {Diao, Haiwen and Li, Mingxuan and Wu, Silei and Dai, Linjun and Wang, Xiaohua and Deng, Hanming and Lu, Lewei and Lin, Dahua and Liu, Ziwei},
  journal      = {arXiv preprint arXiv:2510.14979},
  year         = {2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
NEOChatModel
Ревизия весов
3f480ac

0 моделей