/ Модель

Характеристики

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

NEO1_0-9B-SFT

Генерация текстаТекст → текст5 профессий

Нативная vision-language-модель NEO1_0 на 9 млрд параметров, дообученная для диалога и генерации текстовых ответов по изображениям.

65скачиваний за 30 дней6лайковвеса 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_0-9B-SFT — версия NEO1_0-9B после контролируемой донастройки (SFT), созданная в рамках проекта NEO. Это плотная нативная vision-language-модель, разработанная с нуля для объединения визуального восприятия и языковых возможностей в общей архитектуре, без отдельных подключаемых модулей зрения и языка.

Модель содержит 9 млрд параметров без учёта эмбеддингов и имеет 42 слоя: 6 слоёв Pre-Buffer и 36 слоёв языковой части. В архитектуре используются Native-Attn, Native-RoPE и групповое внимание запросов (32 головы Q и 8 KV). Модель предназначена для диалогового взаимодействия с изображениями и генерации текстовых ответов на визуальные запросы. В README описана цель проекта — развивать нативные мультимодальные примитивы; конкретные показатели качества для этой SFT-версии не приведены.

Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Метаданные указывают интерфейс чата и вызова инструментов; поддерживаемые языки, максимальный контекст и отдельные результаты оценки в предоставленных сведениях не описаны.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого фотографии
  • визуальный диалог с изображениями
  • распознавание объектов и сцен на изображении

Ограничения

В предоставленной карточке не приведены результаты оценки качества, максимальная длина контекста и сведения о поддерживаемых языках. Способность вызывать инструменты указана в метаданных как наличие интерфейса, но детали использования не описаны.

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

| 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_0-9B has the following features:

  • Model Type: Native Vision-Language Models

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

  • Layer Parameters: 214M vs. 193M (Qwen3-8B)

  • Model Parameters: 9B (Non-Embedding)

  • Number of Layers: 42 (6 for Pre-Buffer & 36 for Post-LLM)

  • Number of Heads: 32 for Q and 8 for KV (GQA)

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

🔥🔥 Model Performance

📚📚 Model Weights

We release the 9B weights of NEO1_0 in Pre-Training (PT), Mid-Training (MT), and Supervised Fine-Tuning (SFT).

Model nameWeight
NEO-9B-PT🤗 NEO-9B-PT HF link
NEO-9B-MT🤗 NEO-9B-MT HF link
NEO-9B-SFT🤗 NEO-9B-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
d06e86c

0 моделей