/ Модель

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
Lingshu-7B
Библиотека
transformers
Опубликована
30 ноя 2025

EchoVLM_V2_lingshu_base_7b_instruct_preview

Изображение и текст → текст3 профессии

Медицинская vision-language модель на базе Lingshu-7B для диалогового анализа ультразвуковых и других медицинских изображений.

230скачиваний за 30 дней0лайковвеса обновлены30 июл 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

EchoVLM V2 lingshu base 7b instruct preview — медицинская мультимодальная модель, разработанная Chaoyin She и Ruifang Lu в рамках реализации EchoVLM. Это дообученная версия Lingshu-7B на архитектуре Qwen2.5-VL с 7,1 млрд параметров; она принимает изображения и текст и генерирует текстовые ответы. Модель предназначена для диалоговой работы с медицинскими изображениями, в частности для задач ультразвуковой диагностики и универсального анализа УЗИ. Заявленная длина контекста — 128 000 токенов; модель работает с Transformers и сохранена в формате safetensors.

В README указано, что опубликованы веса instruction fine-tuned модели на базе Lingshu-7B, а для запуска предлагается ориентироваться на Qwen2.5-VL-7B-Instruct. Метаданные указывают лицензию Apache-2.0. Полные сведения о конкретных возможностях версии preview, качестве на клинических задачах и её ограничениях в доступных материалах не приведены.

Сценарии применения

  • ответы на вопросы по ультразвуковым снимкам
  • диалоговый анализ медицинских изображений
  • описание ультразвуковых исследований текстом

Ограничения

Доступные материалы не содержат результатов оценки качества этой preview-версии или описания её клинических ограничений; ответы модели не следует считать подтверждённым медицинским заключением.

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

EchoVLM (paper implementation)

Official PyTorch implementation of the model described in
"EchoVLM: Dynamic Mixture-of-Experts Vision-Language Model for Universal Ultrasound Intelligence".

The desensitization tool is available at Ultrasonic_image_desensitization

🤖 Model Details

ItemValue
PaperarXiv:2509.14977
AuthorsChaoyin She¹, Ruifang Lu²
CodeGitHub repo
Model HubHugging Face
Online DemoOnline Demo

🔄 Updates

  • Coming soon: V2 with Chain-of-Thought reasoning and reinforcement learning enhancements—full training & inference code plus benchmark test-set will be fully open-sourced.
  • Dec 1, 2025: To better promote development in this field, we've open-sourced our latest instruction fine-tuned model based on Lingshu-7B. Essentially built on Qwen2.5VL, it enjoys a better ecosystem—for example, it can seamlessly leverage vLLM for accelerated inference. Released model weights on Hugging Face.
  • Sep 21, 2025: The full, uncleaned model codebase is now open-sourced on GitHub!
  • Sep 19, 2025: Released model weights on Hugging Face.
  • Sep 17, 2025: Paper published on arXiv.

🚀 Quick Start

Reference Qwen2.5-VL-7B-Instruct

📌 Citation

If you use this model or code in your research, please cite:

@misc{she2025echovlmdynamicmixtureofexpertsvisionlanguage,
      title={EchoVLM: Dynamic Mixture-of-Experts Vision-Language Model for Universal Ultrasound Intelligence}, 
      author={Chaoyin She and Ruifang Lu and Lida Chen and Wei Wang and Qinghua Huang},
      year={2025},
      eprint={2509.14977},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2509.14977}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
37f3c30

0 моделей