/ Модель

Характеристики

Размер весов
6,3 ГБ
Опубликована
27 июн 2026

clark-air-sana-1.6b-gemlite-2bit

Генерация изображенийТекст → изображение3 профессии

Clark Air — квантованный вариант Sana 1.6B для генерации изображений по текстовым описаниям с уменьшенными требованиями к памяти GPU.

61скачиваний за 30 дней1лайквеса обновлены28 июн 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

Clark Labs разработала Clark Air — вариант Sana 1.6B для генерации изображений по тексту. Это готовый конвейер Diffusers: трансформерный блок Sana с тернарными весами {-1, 0, +1} упакован в GemLite INT2, текстовый энкодер Gemma-2 сжат до NF4 средствами bitsandbytes, а VAE DC-AE использует bf16. Репозиторий содержит все компоненты и занимает около 3,2 ГБ; также доступен отдельный файл трансформера для подключения к существующему конвейеру Sana.

Модель предназначена для создания изображений по текстовым описаниям. Квантование сокращает размер трансформера примерно до 519 МБ вместо около 9 ГБ в fp16, что позволяет экономнее расходовать память GPU. Для запуска требуются NVIDIA CUDA GPU, Diffusers версии 0.38 или новее и зависимости GemLite и bitsandbytes; загрузка пользовательского компонента требует включить trust_remote_code. README описывает англоязычный пример запроса, но не устанавливает полный перечень поддерживаемых языков. Условия лицензии в предоставленных данных не приведены.

Сценарии применения

  • создание изображений по текстовому описанию
  • генерация иллюстраций для творческих проектов
  • быстрое прототипирование визуальных концепций

Ограничения

Для работы требуется NVIDIA GPU с CUDA, а загрузка трансформера использует пользовательский код через trust_remote_code. Квантование текстового энкодера NF4 и трансформера INT2 может влиять на качество; количественных оценок качества в предоставленной карточке нет.

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

Clark Air — Sana 1.6B · GemLite INT2 (ternary)

A self-contained text-to-image pipeline at 3.2 GB: the Sana 1.6B transformer trunk runs ternary {-1, 0, +1} weights on real GemLite INT2 CUDA kernels, the Gemma-2 text encoder is bitsandbytes NF4 (4-bit), and the text encoder + VAE are otherwise the original Sana 1.6B components — all bundled so it loads in one call.

import torch
from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained(
    "clark-labs/clark-air-sana-1.6b-gemlite-2bit", trust_remote_code=True, torch_dtype=torch.bfloat16
).to("cuda")

img = pipe("a corgi astronaut floating in space, photorealistic, 8k",
           num_inference_steps=20, guidance_scale=4.5).images[0]
img.save("out.png")

trust_remote_code=True is required: the transformer is a custom component (ClarkAirSanaGemliteTransformer) that builds the GemLite kernels on load. The 4-bit text encoder loads automatically from its embedded quantization_config.

Requirements

  • NVIDIA CUDA GPU — both GemLite INT2 and bitsandbytes NF4 are CUDA-only.
  • gemlite, bitsandbytes, diffusers >= 0.38, transformers, accelerate, torch, safetensors.

What's inside

ComponentFormatSize
transformer/GemLite INT2, ternary trunk + bf16 islands519 MB
text_encoder/Gemma-2, bitsandbytes NF42.1 GB
vae/DC-AE (AutoencoderDC), bf16596 MB
tokenizer/ + scheduler/—33 MB

The transformer's attention + GLU-FFN trunk is ternary, packed two bits per weight and re-quantized at each layer's largest power-of-two GemLite group (g64 attention / g32 FFN); the small "island" layers (embeddings, norms, modulation, depthwise conv) stay bf16. The transformer is 519 MB vs ~9 GB at fp16. The text encoder + VAE are the original Sana 1.6B weights — only the transformer is quantized (ternary) and the text encoder is NF4-compressed. The NF4 text encoder's 2.1 GB is dominated by the 256k-token embedding, which stays bf16 (quantizing it hurts caption quality).

Standalone packed file (alternative)

The repo also carries clark_air_sana_gemlite_2bit.safetensors + load_clark_air_gemlite.py — a single-file packed transformer with a minimal loader, for when you already have a Sana pipeline and just want to swap in the gemlite trunk. The from_pretrained route above is the self-contained option.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Компонент transformer (transformer_clark_gemlite.ClarkAirSanaGemliteTransformer) требует кода вне diffusers/transformers.

Ревизия весов
ec375ff

0 моделей