Характеристики

Лицензия: Apache 2.0
Базовая модель: siglip-base-patch16-384
Опубликована: 12 мая 2026

Ссылки

siglip-base-GGUF

ЭмбеддингиТекст → embedding7 профессий

GGUF-конверсия визуального энкодера SigLIP Base для получения нормированных эмбеддингов изображений и поиска по визуальному сходству.

180скачиваний за 30 дней2лайкавеса обновлены2 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

cstr распространяет модель google/siglip-base-patch16-384 в формате GGUF для использования с CrispEmbed. Это визуальный энкодер SigLIP ViT-B/16: 12 слоёв, 12 голов внимания и размерность представления 768. Он кодирует изображения размером 384×384, разбитые на 576 патчей 16×16, и выдаёт L2-нормированные эмбеддинги изображения размерностью 768 с усреднением по патчам.

Модель предназначена для извлечения признаков и эмбеддингов изображений, например, для поиска похожих изображений и мультимодального поиска по изображениям и тексту в системах на базе SigLIP. В README указана близкая к исходной численная близость для варианта F32: среднее косинусное сходство с версией Hugging Face составляет 0,996. Это визуальный энкодер, поэтому он сам по себе не генерирует текст и не описывает изображения.

Репозиторий содержит конверсию в GGUF и/или квантизованные веса без дообучения, слияния или изменения архитектуры; доступна лицензия Apache-2.0 на условиях исходной модели. Размер входного изображения — 384×384; другие размеры и поведение при их обработке в карточке не описаны.

Сценарии применения

получение эмбеддингов фотографий для векторного поиска
поиск похожих изображений в коллекции
индексация изображений для мультимодального поиска
извлечение визуальных признаков для последующей классификации

Ограничения

Модель кодирует изображения и сама не генерирует текст; указанный входной размер — 384×384. Показатель сходства 0,996 приведён только для варианта F32 и среднего пулинга.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель I.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SigLIP Base GGUF

GGUF format of google/siglip-base-patch16-384 vision encoder for use with CrispEmbed.

768-dimensional image embeddings. Encodes 384x384 images via a 12-layer ViT with 16x16 patches.

Parity

Quant	Cosine vs HF	Size
F32	0.996 (mean pool)	355 MB

Quick Start

# Download
huggingface-cli download cstr/siglip-base-GGUF siglip-base.gguf --local-dir .

# Encode image
./crispembed -m siglip-base.gguf --image photo.jpg

# Print dimension
./crispembed -m siglip-base.gguf --dim  # → 768

Architecture

Model: SigLIP ViT-B/16 (Google, Apache 2.0)
Vision: 12 layers, 768-D, 12 heads, 3072 intermediate
Image: 384×384, 16×16 patches → 576 tokens
Pooling: Mean pool over patch tokens
Normalization: L2 normalized output

Provenance and EU AI Act Art. 53 note

Upstream model: google/siglip-base-patch16-384 — published by google.
Upstream licence: apache-2.0. This repository redistributes under the same terms; it grants no rights the upstream licence does not.
What was done here: format conversion and/or quantisation only (GGUF/GGML). No training, no fine-tuning, no merging, no distillation, no change to architecture, vocabulary or capability. Only the numeric representation of the upstream weights differs.
Training data: documented — where it is documented at all — by the upstream provider; see the upstream model card. No training data was used, added or selected by this repository.
Provider status: under Regulation (EU) 2024/1689 the upstream authors remain the provider of this model. Converting the serialisation format does not make this repository the provider of a new general-purpose AI model, and no such claim is made. Questions about training content, copyright policy or model capability belong upstream.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Ревизия весов: 0180601