/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Размер весов
10,3 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
isaac · dense
Базовая модель
Qwen3-1.7B
Опубликована
17 сен 2025

Isaac-0.1-Base

Генерация текстаТекст → текст5 профессий

Isaac-0.1-Base — мультимодальная модель PerceptronAI, которая отвечает на вопросы по изображениям, локализует объекты и распознаёт текст в сценах.

51скачиваний за 30 дней8лайковвеса обновлены20 мар 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

Isaac-0.1-Base — базовая мультимодальная модель PerceptronAI для совместной обработки изображений и текста. В карточке она описана как модель на 2 млрд параметров, предназначенная для визуальных вопросов и ответов, пространственного рассуждения, локализации объектов, распознавания мелкого текста и анализа сложных сцен. Метаданные указывают 1,7 млрд параметров и контекст до 40 960 токенов; архитектура — плотная IsaacForConditionalGeneration, формат весов — Safetensors. Модель объединяет Qwen/Qwen3-1.7B и визуальную основу google/siglip2-so400m-patch14-384.

Модель рассчитана на сценарии, где текстовые ответы должны быть привязаны к содержимому изображения: например, поиск дефектов оборудования, определение расположения объектов и чтение текста в загруженных сценах. README отмечает поддержку локализации с выделением областей, работы с примерами прямо в запросе и диалогового взаимодействия. Указанная лицензия CC BY-NC 4.0 разрешает использование на её условиях, включая ограничения для коммерческого применения.

Сценарии применения

  • ответы на вопросы о содержимом изображений
  • поиск дефектов оборудования по фотографии
  • локализация объектов и указание на области изображения
  • распознавание мелкого текста и надписей в сложных сценах
  • анализ изображений по нескольким примерам в запросе

Ограничения

Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. В README сообщается о сильных результатах на бенчмарках, но приведённые материалы не содержат численных оценок или подробного описания ограничений.

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

Isaac-0.1-Base by Perceptron

Note this is the Base model Try out the model on our playground

We're introducing Isaac 0.1, our first perceptive-language model and a major step toward building AI systems that can understand and interact with the physical world. Isaac 0.1 is an open-source, 2B-parameter model built for real-world applications. It sets a new standard for efficiency, delivering capabilities that meet or exceed those of models over 50 times its size.

Founded by the team behind Meta's Chameleon multimodal models, Perceptron is tackling a fundamental challenge: bringing the power of physical AI to the dynamic, multimodal, and real-time environments we live and work in.

Isaac 0.1 is the first in our family of models built to be the intelligence layer for the physical world. It's now available open source for researchers and developers everywhere.

What’s new in Isaac 0.1

Visual QA, simply trained Strong results on standard understanding benchmarks with a straightforward, reproducible training recipe.

Grounded spatial intelligence Precise pointing and localization with robust spatial reasoning. Ask “what’s broken in this machine?” and get grounded answers with highlighted regions—handling occlusions, relationships, and object interactions.

In-context learning for perception Show a few annotated examples (defects, safety conditions, etc.) in the prompt and the model adapts—no YOLO-style fine-tuning or custom detector stacks required.

OCR & fine-grained detail Reads small text and dense scenes reliably, across resolutions, with dynamic image handling for tiny features and cluttered layouts.

Conversational Pointing A new interaction pattern where language and vision stay in lockstep: every claim is grounded and visually cited, reducing hallucinations and making reasoning auditable.

Benchmarks

visual_qa grounding

Example

pip install perceptron

Huggingface Example Repo

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Класс архитектуры
IsaacForConditionalGeneration
Ревизия весов
81b41f7

0 моделей