/ Модель

Характеристики

Контекст
1 024 токена
Параметры
2,5 млрд
Лицензия
Apache 2.0
Архитектура
muse_glimmer_vision · dense
Базовая модель
Muse-Glimmer-30B
Библиотека
transformers
Опубликована
30 авг 2026

Muse-Glimmer-Vision

Эмбеддинги изображенийИзображение → embedding3 профессии

Визуальная башня Muse Glimmer с проектором для извлечения признаков изображений и передачи визуальных токенов в мультимодальную модель.

24скачиваний за 30 дней2лайкавеса обновлены30 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

Muse Glimmer Vision — выделенная визуальная башня и проектор из Muse-Glimmer-30B, опубликованные в репозитории immanuelpeter. Модель предназначена для извлечения признаков изображений и подготовки визуальных токенов для мультимодальной модели Muse Glimmer.

Визуальная башня содержит 50 слоёв, скрытое измерение 1536, 16 голов внимания и размер патча 14; токены сжимаются перемешиванием пикселей 2×2. Проектор преобразует объединённые признаки шириной 6144 в языковое пространство шириной 6656. Репозиторий содержит веса в Safetensors; проверка сравнениями с родительским чекпойнтом подтверждает побитное совпадение весов и результатов для фиксированных изображений на CPU и BF16 на NVIDIA A100. Указанный в метаданных размер — 2,5 млрд параметров; контекст — 1024 токена. Базовая модель Muse-Glimmer-30B описана как мультимодальная модель Meta на 29,6 млрд параметров.

Для использования нужна совместимая реализация загрузчика и проектор из репозитория. Лицензия — Apache-2.0. Описание не заявляет поддержку языков или задач за пределами извлечения визуальных признаков.

Сценарии применения

  • извлечение признаков из изображений
  • подготовка визуальных токенов для Muse-Glimmer-30B
  • получение признакового представления изображения для мультимодальной обработки

Ограничения

Репозиторий содержит визуальную башню и проектор, поэтому для полной мультимодальной обработки требуется совместимая языковая модель и загрузчик. Поддерживаемые естественные языки не указаны.

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

Muse Glimmer Vision

This repository packages the Tower and Projector from Muse-Glimmer-30B.

Contents

FileTensorsWhat it holds
model.safetensors806Muse Glimmer Tower
projector.safetensors3Two vision-adapter matrices and the language-width projection
projector_config.json, projector.pyProjector shapes and loader
config.json, preprocessor_config.jsonVision-only model and image-processing configuration

Architecture

ComponentDetails
Tower50 layers, 1536 hidden, 16 heads, 8960 intermediate, patch size 14
Token compression2x2 pixel shuffle, no learned parameters
ProjectorLinear(6144, 4096), GELU, Linear(4096, 4096), GELU, Linear(4096, 6656), scale-free RMSNorm(6656)

All three Projector linear layers omit bias. The native MuseGlimmerVisionModel returns the merged 6144-wide tokens; projector.py maps them to the 6656-wide language space.

Usage

See examples/inference.py for image feature extraction.

Validation

The release tests compare all 806 Tower tensors and three Projector tensors with the pinned parent checkpoint using torch.equal. Fixed-image merged and projected outputs also match the parent implementation bit-for-bit on CPU and in BF16 on an NVIDIA A100.

Reproduction

The export script reads the Tower and Projector ranges from both meta-models/Muse-Glimmer-30B shards. It removes the parent prefixes, preserves the original BF16 weights, and extracts the image section of the parent processor configuration. The script pins the parent revision.

Credits

Meta released the Muse Glimmer weights and the native Transformers implementation.

License

Apache License 2.0, the same license as the source model. The source usage policy is included.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-feature-extraction

Можно запустить

Подбираем GPU…

Класс архитектуры
MuseGlimmerVisionModel
Ревизия весов
509d9ca

0 моделей