Uploaded model
- Developed by: Sakalti
- License: apache-2.0
- Finetuned from model : unsloth/Qwen2-VL-2B-Instruct
This qwen2_vl model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 1,5 млрд
- Лицензия
- Apache 2.0
- Архитектура
- qwen2_vl · dense
- Базовая модель
- Qwen2-VL-2B-Instruct
- Опубликована
- 16 дек 2024
Ссылки
SabaVL1-2B
Изображение и текст → текст4 профессии
SabaVL1-2B — дообученная мультимодальная модель для ответов на текстовые запросы по изображениям.
19скачиваний за 30 дней0лайковвеса обновлены28 янв 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
SabaVL1-2B — мультимодальная модель Sakalti на архитектуре Qwen2-VL, дообученная на базе unsloth/Qwen2-VL-2B-Instruct. Она принимает изображения и текстовые запросы и формирует текстовые ответы, поэтому подходит для диалога с визуальным содержимым. Модель содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов.
Модель предназначена для ответов на вопросы по изображениям и других сценариев визуального диалога. В карточке указано, что при обучении использовались Unsloth и библиотека TRL. Поддерживаемый язык по данным карточки — английский. Модель распространяется по лицензии Apache-2.0.
Сценарии применения
- Ответы на вопросы о содержимом изображения
- Описание объектов и сцен на изображениях
- Визуальный диалог по загруженным изображениям
Ограничения
В карточке не приведены результаты оценки качества или конкретные ограничения; указан только английский язык. Модель рассчитана на ответы по изображениям и тексту, а не на генерацию изображений.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2VLForConditionalGeneration
- Ревизия весов
- efdc8ac