/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,2 млрд
Лицензия
Apache 2.0
Архитектура
llada2_moe · MoE
Базовая модель
LLaDA2.0-Uni
Библиотека
transformers
Опубликована
6 мая 2026

LLaDA2.0-Uni-FP8

Генерация текстаТекст → текст3 профессии

Квантованная до FP8 мультимодальная MoE-модель Inclusion AI для генерации изображений по тексту, анализа и редактирования изображений.

74скачиваний за 30 дней5лайковвеса обновлены27 мая 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

LLaDA2.0-Uni-FP8 — версия LLaDA2.0-Uni, подготовленная Inclusion AI, в которой веса MoE-экспертов блочно квантованы до FP8. Квантизация уменьшает объём памяти для загрузки модели примерно на 48% по сравнению с вариантом BF16, при этом README заявляет о сохранении качества результатов. Модель относится к мультимодальному семейству LLaDA2 MoE и поддерживает генерацию изображений по тексту, понимание изображений и редактирование изображений.

Заявленный контекст составляет 8192 токена; модель использует Transformers и хранится в формате safetensors. Для загрузки FP8-варианта требуется около 32,5 ГБ памяти GPU; пиковое потребление при инференсе сопоставимо с BF16 и зависит от сценария. Лицензия — Apache-2.0.

Сценарии применения

  • создание изображений по текстовому описанию
  • ответы на вопросы о содержимом изображения
  • редактирование изображений по текстовым инструкциям
  • мультимодальные сценарии с пониманием и генерацией контента

Ограничения

Для загрузки требуется около 32,5 ГБ памяти GPU; пиковое потребление памяти при генерации остаётся сопоставимым с BF16-вариантом. В описании FP8-версии приведены те же возможности, что у базовой модели, но отдельные результаты оценки качества не представлены.

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

[📑 Technical Report]   [🌐 Github]

AGI Research Center, Inclusion AI

Overview

This is the FP8 quantized version of LLaDA2.0-Uni, featuring block-wise FP8 quantization of MoE expert weights. This reduces GPU memory usage by ~48% for model loading while preserving output quality.

Quantization Details

  • Method: Block-wise FP8 (float8_e4m3fn) with per-block scale factors
  • Block size: 128×128
  • Quantized layers: MoE routed expert weights (gate_proj, up_proj, down_proj)
  • Kept in BF16: Embeddings, lm_head, attention projections, shared experts, layer norms, routing gates

Memory Comparison

VariantModel LoadingT2I PeakUnderstanding PeakEdit Peak
BF1662.9 GB35.3 GB33.2 GB41.7 GB
FP832.5 GB35.3 GB33.3 GB41.8 GB

Note: FP8 halves the static model weight memory (~30 GB saved at load time). Peak inference memory is similar because activations dominate during generation.

Quick Start

from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "inclusionAI/LLaDA2.0-Uni-FP8"

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_path, device_map="cuda", trust_remote_code=True
).eval()
model.tokenizer = tokenizer

# Text-to-Image Generation
result = model.generate_image(
    "A cat sitting on a windowsill at sunset",
    image_h=1024, image_w=1024,
    steps=16, cfg_scale=4.0,
)

# Decode VQ tokens to image
from decoder import decode_vq_tokens
image = decode_vq_tokens(
    result["token_ids"], result["h"], result["w"],
    model_path, "cuda",
    num_steps=8, decode_mode="decoder-turbo",
)
image.save("output.png")

Model Capabilities

Same as the base LLaDA2.0-Uni model:

  • 🖼️ Text-to-Image Generation
  • 🔍 Image Understanding
  • ✏️ Image Editing
  • ⚡ Sprint Acceleration

⚠️ License

This project is licensed under the terms of the Apache License 2.0.

📖 BibTeX

@article{LLaDA2Uni,
title = {LLaDA2.0-Uni: Unifying Multimodal Understanding and Generation with Diffusion Large Language Model},
author = {Tiwei Bie and Haoxing Chen and Tieyuan Chen and Zhenglin Cheng and Long Cui and Kai Gan and Zhicheng Huang and Zhenzhong Lan and Haoquan Li and Jianguo Li and Tao Lin and Qi Qin and Hongjun Wang and Xiaomei Wang and Haoyuan Wu and Yi Xin and Junbo Zhao},
journal = {arXiv preprint arXiv:2604.20796},
year = {2026}
}

Как запустить

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

GPU в ailist

vLLM

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
LLaDA2MoeModelLM
Ревизия весов
bad96e8

0 моделей