Check out our arxiv paper and github repo for more details!
Характеристики
- Контекст
- 128 000 токенов
- Параметры
- 7,1 млрд
- Размер весов
- 16,6 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen2_5_vl · dense
- Базовая модель
- Qwen2.5-VL-7B-Instruct
- Библиотека
- transformers
- Опубликована
- 20 мая 2025
Ссылки
CUA_World_State_Model
Изображение и текст → текст3 профессии
Дообученная мультимодальная модель Qwen2.5-VL для диалоговых задач с изображениями и текстом.
31скачиваний за 30 дней7лайковвеса обновлены7 авг 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
Zery/CUA_World_State_Model — дообученная мультимодальная модель на архитектуре Qwen2.5-VL-7B-Instruct, опубликованная Zery. Она предназначена для диалоговых задач с изображениями и текстом; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, принимает изображения и текст, а контекст составляет до 128 000 токенов. Карточка ссылается на статью arXiv и репозиторий GitHub, но не описывает конкретные сценарии или результаты модели. Лицензия — Apache-2.0.
Сценарии применения
- ответы на вопросы об изображениях
- диалог с визуальными данными
- анализ изображений с использованием вызова инструментов
Ограничения
README не приводит конкретных сценариев, оценок качества или ограничений модели. Поддержка английского указана в метаданных; другие языки не подтверждены.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели
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 · transformers
Подбираем GPU…
- Класс архитектуры
- Qwen2_5_VLForConditionalGeneration
- Ревизия весов
- 475b79c