/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
62,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl_moe · dense
Библиотека
transformers
Опубликована
25 фев 2026

Hulu-Med-30A3

Изображение и текст → текст3 профессии

Медицинская мультимодальная vision-language модель для анализа изображений, видео и текста, ответов на клинические вопросы и генерации медицинских заключений.

426скачиваний за 30 дней17лайковвеса обновлены29 мая 2026

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. 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

Hulu-Med-30A3 — медицинская мультимодальная модель типа vision-language, разработанная командой Hulu-Med. Она предназначена для совместного понимания медицинского текста, изображений и видео; архитектура в метаданных указана как Qwen3-VL-MoE, библиотека для работы — Transformers. Модель поддерживает визуальные вопросы и ответы по 2D- и 3D-изображениям и видео, генерацию медицинских заключений, клинический диалог, распознавание хирургических этапов и рассуждения по медицинскому тексту.

Разработчики сообщают об обучении на общедоступных данных: корпус включает 16,7 млн примеров, охватывает 12 анатомических систем и 14 видов медицинской визуализации. Модель рассчитана на широкий круг медицинских сценариев, включая диагностику заболеваний, редких заболеваний и оценку изображений. В репозитории доступны веса в формате Safetensors; лицензия — Apache-2.0. Для варианта MoE разработчики рекомендуют запуск через vLLM или SGLang для более эффективного инференса.

Сценарии применения

  • ответы на вопросы по медицинским снимкам
  • генерация описаний и заключений по медицинским изображениям
  • распознавание этапов хирургической операции на видео
  • клинический диалог и медицинские текстовые рассуждения
  • поддержка анализа редких заболеваний
  • понимание 3D-медицинских изображений

Ограничения

Модель предназначена для медицинских сценариев, но README не приводит клинической валидации или гарантий пригодности для принятия решений о лечении. Для варианта MoE рекомендуется использовать vLLM или SGLang.

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

Paper HuggingFace ModelScope License Code Total Downloads

📄 Paper | 💻 Code | 🤗 Hulu-Med-Flash-Preview-27B| 🤗 Hulu-Med-30A3 |🤗 Hulu-Med-235A22 | 🤗 Hulu-Med-4B |🤗 Hulu-Med-7B |🤗 Hulu-Med-14B |🤗 Hulu-Med-32B | 🔮 ModelScope Models | 📊 Demo

🔥 News

  • [2025-11-27] ⚡ Hulu-Med is now compatible with the latest vLLM, offering faster inference and tensor parallel support! Thank you all for your patience and feedback 💪 see here for installation
  • [2025-11-18] 🎊 We released Hulu-Med-4B, a lightweight model with strong multimodal and text reasoning abilities that surpasses MedGemma-4B and Lingshu-7B!
  • [2025-11-01] 📊 Releasing our new evaluation code, MedUniEval! Built on MedEvalKit, MedUniEval is designed for the comprehensive evaluation of medical visual-language models across various modalities—including text, 2D, 3D, and video. More benchmarks are coming soon. Some processed evaluation data are available here.
  • [2025-10-16] 🚀 Demo Is Live! We've just deployed a demo and we'd love for you to try it! Your insights and feedback are crucial for helping us improve the model in the next version.
  • [2025-10-15] 🎉 Hulu-Med now supports Transformers integration! HuggingFace-compatible models released with simplified loading and inference. Integration with VLLM is ongoing. The HF models are now available in the main branch on Hugging Face.
  • The model has been updated in the main branch of our Hugging Face repository. You can now load it directly using AutoModelForCausalLM.from_pretrained - the weights will be automatically downloaded. For users in regions with limited access, you can set the HF mirror environment variable to ensure reliable downloads:
export HF_ENDPOINT=https://hf-mirror.com
  • [2025-10-08] Hulu-Med models and inference code released!

📖 Overview

Hulu-Med is a transparent medical vision-language model that unifies understanding across diverse modalities including medical text, 2D/3D images, and videos. Built with a focus on transparency and accessibility, Hulu-Med achieves state-of-the-art performance on 30 medical benchmarks while being trained entirely on public data.

Key Features

  • 🌟 Holistic Multimodal Understanding: Seamlessly processes medical text, 2D images, 3D volumes, and surgical videos
  • 🔓 Fully Transparent: Complete open-source pipeline including data curation, training code, and model weights
  • 📊 State-of-the-Art Performance: Outperforms leading open-source models and competes with proprietary systems
  • ⚡ Efficient Training: Only 4,000-40,000 GPU hours required for 7B-32B variants
  • 🗂️ Comprehensive Coverage: Trained on 16.7M samples spanning 12 anatomical systems and 14 imaging modalities
  • 🤗 Transformers Native: Now with native HuggingFace Transformers support for easier integration

Comprehensive Data Coverage

Our training corpus encompasses:

  • 12 Major Anatomical Systems: Multi-System, Skin/Integumentary, Respiratory, Cellular/Tissue Level, Digestive, Nervous, Cardiovascular, Musculoskeletal, Reproductive, Urinary, Whole Body, Endocrine, Immune/Lymphatic, and Hematologic systems
  • 14 Medical Imaging Modalities: CT, MRI, X-Ray, Ultrasound, PET, OCT, Endoscopy, Microscopy, Histopathology, Fundus, Dermoscopy, Angiography, Digital Photograph, and Medical Chart
  • Diverse Downstream Tasks: Medical Dialogue, Anomaly Detection, Prognosis Prediction, Treatment Planning, Surgical Skill Assessment, Education, Medical Report Generation, Surgical Phase Recognition, Medical Computation, and more

💻 Quick Start

Note: As a MoE-based model, Hulu-30A3/235A22 is recommended to be served via vLLM or SGLang for optimal performance and efficiency.

Start the Server

vLLM

CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 PYTHONPATH=./Swift-HuluMed/ swift deploy \
    --model Hulu-30A3 \
    --infer_backend vllm \
    --vllm_tensor_parallel_size 8 \
    --vllm_engine_kwargs '{"data_parallel_size": 1, "enable_chunked_prefill": true, "enable_multimodal_encoder_data_parallel": false}' \
    --vllm_max_num_seqs 512 \
    --vllm_enable_expert_parallel \
    --vllm_max_model_len 75538 \
    --vllm_gpu_memory_utilization 0.85 \
    --model_type qwen3_vl_moe \
    --port 8000 \
    --served_model_name hulu

SGLang

CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 PYTHONPATH=./Swift-HuluMed/ swift deploy \
    --model Hulu-30A3 \
    --infer_backend sglang \
    --max_new_tokens 128000 \
    --sglang_context_length 128000 \
    --sglang_tp_size 8 \
    --model_type qwen3_moe_vl \
    --port 8000 \
    --served_model_name hulu

Inference via OpenAI-Compatible API

Text Example

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")

response = client.chat.completions.create(
    model="hulu",
    messages=[{"role": "user", "content": "Hello, I have a headache, what should I do?"}],
    max_tokens=1024,
    temperature=0,
)
print(response.choices[0].message.content)

Image Example

import base64
from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")

with open("./demo/demo.jpg", "rb") as f:
    image_data = base64.b64encode(f.read()).decode("utf-8")

response = client.chat.completions.create(
    model="hulu",
    messages=[{
        "role": "user",
        "content": [
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_data}"}},
            {"type": "text", "text": "Generate a medical report for this image."},
        ],
    }],
    max_tokens=1024,
    temperature=0,
)
print(response.choices[0].message.content)

📋 Supported Tasks

  • ✅ Visual Question Answering (2D/3D/Video)
  • ✅ Medical Report Generation
  • ✅ Disease Diagnosis
  • ✅ Anatomical Understanding
  • ✅ Surgical Phase Recognition
  • ✅ Clinical Dialogue
  • ✅ Medical Text Reasoning
  • ✅ Multilingual Medical QA
  • ✅ Rare Disease Diagnosis
  • ✅ And more

📄 Citation

If you find Hulu-Med useful in your research, please cite:

@misc{jiang2025hulumedtransparentgeneralistmodel,
      title={Hulu-Med: A Transparent Generalist Model towards Holistic Medical Vision-Language Understanding}, 
      author={Songtao Jiang and Yuan Wang and Sibo Song and Tianxiang Hu and Chenyi Zhou and Bin Pu and Yan Zhang and Zhibo Yang and Yang Feng and Joey Tianyi Zhou and Jin Hao and Zijian Chen and Ruijia Wu and Tao Tang and Junhui Lv and Hongxia Xu and Hongwei Wang and Jun Xiao and Bin Feng and Fudong Zhu and Kenli Li and Weidi Xie and Jimeng Sun and Jian Wu and Zuozhu Liu},
      year={2025},
      eprint={2510.08668},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2510.08668}, 
}

📜 License

This project is released under the Apache 2.0 License.


Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLMoeForConditionalGeneration
Ревизия весов
80991c1

0 моделей