/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
71,5 млрд
Размер весов
147 ГБ
Архитектура
qwen2_vl · dense
Библиотека
transformers
Опубликована
6 янв 2025

Virgo-72B

Изображение и текст → текст3 профессии

Virgo-72B — мультимодальная модель RUC-AIBOX для диалоговых запросов по изображениям с текстовыми ответами.

26скачиваний за 30 дней6лайковвеса обновлены10 янв 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

Virgo-72B — мультимодальная модель семейства Qwen2-VL от RUC-AIBOX для диалоговой работы с изображениями и текстом. Она принимает текстовые запросы вместе с изображениями и формирует текстовые ответы.

Модель имеет плотную архитектуру Qwen2VLForConditionalGeneration с 71,5 млрд параметров и контекстом до 32 768 токенов. В карточке указаны библиотека Transformers и формат весов safetensors.

Карточка не описывает специализированные сценарии, обучающие данные или результаты оценки качества. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • вопросы и ответы по изображению
  • описание содержимого изображения
  • диалог с передачей изображения и текстового запроса

Ограничения

Карточка не содержит сведений об оценках качества, обучающих данных и лицензии; возможности за пределами общего диалога по изображениям не подтверждены.

Для каких профессий подходит3

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

Model Card for Vigor-72B

Model Details

Model Sources

Quick Start

from vllm import LLM, SamplingParams
from PIL import Image

model_name = "RUC-AIBOX/Virgo-72B"
placeholder = "<|image_pad|>"
llm = LLM(
        model=model_name,
        trust_remote_code=True,
        tensor_parallel_size=8,
    )
question = "Please first think deeply about the question, and then put the final answer in \\boxed{}.\nIn the diagram, $\\angle E A D=90^{\\circ}, \\angle A C D=90^{\\circ}$, and $\\angle A B C=90^{\\circ}$. Also, $E D=13, E A=12$, $D C=4$, and $C B=2$. Determine the length of $A B$."
prompt = ("<|im_start|>system\nYou are a helpful assistant.<|im_end|>\n"
              f"<|im_start|>user\n<|vision_start|>{placeholder}<|vision_end|>"
              f"{question}<|im_end|>\n"
              "<|im_start|>assistant\n")
stop_token_ids = None
sampling_params = SamplingParams(
    temperature=0.0,
    top_k=1,
    top_p=1.0,
    stop_token_ids=stop_token_ids,
    repetition_penalty=1.05,
    max_tokens=8192
)
image = Image.open("case/2246_image_1.jpg")
inputs = {
            "prompt": prompt,
            "multi_modal_data": {
                "image": image
            },
        }
outputs = llm.generate(inputs, sampling_params)
print(outputs[0].outputs[0].text)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модель не помещается в память одной GPU (80 ГБ).

Класс архитектуры
Qwen2VLForConditionalGeneration
Ревизия весов
addb4a8

0 моделей