Характеристики

Лицензия: Apache 2.0
Базовая модель: amad-vlm5
Библиотека: llama.cpp
Опубликована: 28 авг 2026

Ссылки

amad-vlm5-GGUF

Изображение и текст → текст7 профессий

amad-iq/amad-vlm5-GGUF — это квантованные сборки мультимодальной vision-language модели для распознавания текста на изображениях, разработанные компанией Amad Software Solutions из Ирака.

2 854скачиваний за 30 дней1лайквеса обновлены31 авг 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

Модель дообучена на базе Qwen2.5-VL-7B-Instruct и ориентирована прежде всего на Arabic OCR, включая распознавание арабского текста, рукописного письма и понимание документов.

Модель принимает изображения и текстовые инструкции, поддерживает арабский и английский языки и предназначена для извлечения текста из отсканированных страниц, изображений документов и других визуальных источников. Доступны варианты F16 размером 15,24 ГБ, Q8_0 размером 8,10 ГБ и Q4_K_M размером 4,68 ГБ. Для работы каждой сборке требуется отдельный файл mmproj-amad-vlm5-f16.gguf размером 1,35 ГБ, содержащий vision projector и vision encoder. Рекомендуемая длина контекста — не менее 8192 токенов, а максимальный объём вывода — от 4096 токенов.

Сильные стороны модели — специализация на арабском OCR, поддержка рукописного текста и сценариев понимания документов, а также возможность локального запуска через llama.cpp или LM Studio. Модель может генерировать рассуждения в блоках <think>, поэтому при транскрипции следует использовать только текст после последнего закрывающего тега. README не содержит результатов бенчмарков и подробного описания ограничений, поэтому качество на конкретных типах изображений заранее оценить нельзя. Распространение выполняется по лицензии Apache 2.0.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

amad-vlm5 — GGUF

أمد للحلول البرمجية هي شركة عراقية مقرّها النجف الأشرف، متخصصة في تقديم الحلول البرمجية والتقنية للمنازل والشركات ودوائر الدولة. تهدف الشركة إلى بناء حلول ذكية وعملية تساعد الأفراد والمؤسسات على تطوير أعمالهم، تحسين الكفاءة، وأتمتة الإجراءات بطريقة سهلة وموثوقة.

تعمل أمد للحلول البرمجية على تقديم تقنيات حديثة تدعم التحول الرقمي، وتسهم في بناء مستقبل أكثر ذكاءً واستدامة.

GGUF builds of amad-iq/amad-vlm5, an Arabic OCR thinking VLM fine-tuned from Qwen2.5-VL-7B-Instruct. See the main repository for benchmark results, usage, and limitations.

File	Format	Size
`amad-vlm5-f16.gguf`	F16	15.24 GB
`amad-vlm5-q8_0.gguf`	Q8_0	8.10 GB
`amad-vlm5-q4_k_m.gguf`	Q4_K_M	4.68 GB
`mmproj-amad-vlm5-f16.gguf`	F16 vision projector	1.35 GB

The mmproj file is required next to any of the model files — it carries the vision encoder. Keep both in the same folder.

llama.cpp

llama-mtmd-cli -m amad-vlm5-q8_0.gguf --mmproj mmproj-amad-vlm5-f16.gguf \
  --image page.png -p "Extract the text in the image. Give me the final text, nothing else." \
  -n 4096 --temp 0 --repeat-penalty 1.05

LM Studio

Download a model file and the mmproj file into the same folder, load the model, attach an image. Set context length to at least 8192 and max output tokens to 4096 or more. The model may emit <think>…</think> before the transcription; keep only the text after the last </think>.

License

Apache 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · llama.cpp

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 23653db