/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
29 сен 2026

aplomb

Классификация без дообученияТекст → label

Aplomb — мультимодальная модель EmpirioLabs для классификации и других решений с вероятностными ответами по тексту, JSON, изображениям, видео и аудио.

0скачиваний за 30 дней0лайковвеса обновлены29 сен 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

Aplomb — модель принятия решений от EmpirioLabs, дообученная на базе Qwen/Qwen3.5-4B. Она анализирует текст, JSON, изображения, видео и аудио и отвечает на типизированные вопросы распределениями вероятностей с оценкой уверенности, а не генерирует текст. Поддерживаются вопросы «да/нет», выбор из 2–255 вариантов, оценка по шкале из 2–10 уровней и выбор инструмента с распределениями для аргументов типа enum и boolean.

Модель предназначена для классификации, маршрутизации, модерации, проверок извлечённых данных, выбора инструментов и оценки, когда программе нужны вероятностные ответы. В одном запросе можно передать до миллиона токенов состояния и вопроса, задать до 128 вопросов, а также приложить до 16 изображений, 8 аудиоклипов и 4 видео. Размер модели — 5,3 млрд параметров; веса в формате bf16 требуют около 12 ГБ памяти ускорителя при локальном запуске. Карточка сообщает о калибровке вероятностей и независимости ответов на вопросы.

По опубликованным EmpirioLabs результатам модель сильна в отдельных задачах понимания изображений и видео и распознавания речи и вокальных звуков; длинные состояния и некоторые аудиозадачи, включая классификацию окружающих звуков и открытые вопросы об аудио, даются ей хуже. Она не предназначена для генерации прозы или заполнения свободных текстовых аргументов инструментов. Для решений, существенно влияющих на людей, автор рекомендует участие человека. Лицензия указана как other; конкретные условия следует проверять на странице модели.

Сценарии применения

  • классификация текста по заданным категориям
  • маршрутизация запросов и выбор инструмента
  • модерация текстов и медиаданных
  • проверка наличия фактов в длинных документах
  • извлечение структурированных признаков с оценкой уверенности
  • классификация речи, вокальных и эмоциональных характеристик аудио
  • ответы на типизированные вопросы по изображениям и видео

Ограничения

Модель не генерирует свободный текст и не заполняет свободные текстовые аргументы инструментов. Качество снижается на очень длинных состояниях, классификации окружающих звуков и открытых вопросах об аудио; для решений с серьёзными последствиями автор рекомендует участие человека.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Aplomb

Aplomb is a decision model. It reads text, JSON, images, video and audio, and answers typed questions about them with calibrated probabilities instead of generated text. Send a state of up to one million tokens with up to 128 questions, and every answer comes back as a probability distribution with a confidence value, in one request. Aplomb has 5.3 billion parameters.

Highlights

  • Every input type in one model: text, JSON objects and arrays, images, video and audio.
  • One million tokens: state plus question, in a single request.
  • Four question types: yes or no, a choice among 2 to 255 options, an ordered score of 2 to 10 levels, and tool selection (which function to call, with distributions over its enum and boolean arguments).
  • Not in the state: ask for it per question, and the answer includes the probability that the state does not contain what the question needs.
  • Calibrated: a stated 80% is right about 80% of the time (Figure 3).
  • Independent answers: questions never influence each other.

Results

Measured by EmpirioLabs on 2026-09-29. Accuracy is in percent; every system we ran answered the same items. Bold marks the best score in a row.

Decision benchmarks (the Intern-Decision evaluation bundle)

BenchmarkAplombJev (p)Intern-Decision-4BJevK5 (p)SemIf (p)Kev-4BOmniJev-4B
JevBench Easy100.0100.0100.0100.0100.0100.087.5
JevBench Original98.698.6100.097.298.693.172.2
JevBench Hard57.772.171.273.961.354.152.3
Typed Decisions79.473.380.864.562.867.061.3
ToolACE91.991.396.581.085.287.488.1
AG News89.789.690.889.189.289.789.6
WildJailbreak93.296.390.290.592.593.592.3
Average87.288.789.985.284.283.577.6

(p) As published by Intern-Decision for the same items; not run by us. Intern-Decision reports 90.02 for Intern-Decision-4B on this bundle; its column shows our run.

More decision benchmarks

BenchmarkAplombIntern-Decision-4BKev-4BOmniJev-4B
Calibration pilot69.858.369.853.1
ANLI R359.254.250.8n/a
Banking77 (77 options)75.4n/a84.068.4
CLINC150 (150 options)83.8n/a77.866.8

Images (first 500 items of each set)

BenchmarkAplombIntern-Decision-4BOmniJev-4B
POPE88.689.288.4
MMStar68.065.264.4
AI2D86.881.083.4
MMMU58.057.056.0
HallusionBench81.279.471.2

Video

BenchmarkAplombOmniJev-4B
TempCompass76.873.6
Video-MME (short)80.672.2
NExT-QA84.079.8

Audio

BenchmarkAplomb
VocalSound (vocal sounds)90.4
CREMA-D (emotion in speech)76.7
ESC-50 (environmental sounds)10.1
MMAU (audio questions)45.9
MMSU (spoken language)43.3

Aplomb is strongest on speech and vocal sounds; environmental sounds (ESC-50) and open-ended questions about audio (MMAU, MMSU) are harder for it.

Long states (lookups in order ledgers of the given length)

State length (tokens)16K128K240K512K1M
Aplomb100.0100.0100.093.369.8

Quickstart

curl https://api.empiriolabs.ai/v1/decisions \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "aplomb",
    "state": {"order": {"id": "B-44120", "status": "shipped", "payment": "unpaid"}},
    "questions": {
      "paid": {"type": "noul", "instructions": "Has order B-44120 been paid?", "abstain": true},
      "carrier": {"type": "choice", "instructions": "Which carrier is delivering order B-44120?",
                  "criteria": {"ups": null, "fedex": null, "dhl": null}, "abstain": true}
    }
  }'

paid comes back as a confident no. carrier comes back with a high abstain probability, because the record does not name a carrier. Images, video and audio go in the state as {"type": "audio", "url": "https://..."} or {"type": "audio", "data": "<base64>", "mime": "audio/wav"}. The full schema and limits are in the Decisions API guide.

Run locally

pip install -U "transformers>=5.17" torch accelerate torchvision torchcodec soundfile librosa flash-linear-attention
python run_aplomb.py --model empiriolabsai/aplomb --request request.json --debias

request.json is a Decisions API request body; --debias matches the hosted API. The weights are bf16 and need about 12 GB of accelerator memory. The hosted API runs on EmpirioLabs' own inference runtime for decision models.

Intended use

Classification, routing, moderation, extraction checks, tool selection and evaluation, anywhere a program needs a probability rather than prose. Aplomb does not generate text or fill free-text tool arguments. Where a decision has legal or similarly significant effects on a person, keep a human in the loop.

Limits

  • State plus the longest question: up to 1,000,000 tokens.
  • Media per request: up to 16 images, 8 audio clips and 4 videos.

License

EmpirioLabs Model License 1.0. Research, education, evaluation, personal use and internal commercial use by organizations with annual revenue under US$1 million are free. Offering the model as a hosted service, commercial use above that threshold and distribution in products sold to others need a commercial license from support@empiriolabs.ai. Using the model or its outputs to train another model is not permitted. Built on Qwen/Qwen3.5-4B, with the audio encoder of Qwen/Qwen3-Omni-30B-A3B-Instruct (both Apache 2.0; see LICENSE-APACHE-2.0 and NOTICE).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · zero-shot-classification

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
eb0dacb

0 моделей