/ Модель

Характеристики

Контекст
16 384 токена
Лицензия
MIT
Архитектура
multi_modality · dense
Базовая модель
Janus-Pro-1B
Библиотека
transformers
Опубликована
31 авг 2026

Kiel-2-Omni

Генерация текстаТекст → текст4 профессии

Мультимодальная модель Janus для генерации текста, анализа изображений и создания изображений по текстовым запросам.

1 177скачиваний за 30 дней1лайквеса обновлены27 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

Kiel-2-Omni — мультимодальная авторегрессионная модель на архитектуре Janus, дообученная на базе deepseek-ai/Janus-Pro-1B. Модель разработана автором репозитория kiel2 и объединяет генерацию текста, понимание изображений и создание изображений по текстовому описанию в единой модели MultiModalityCausalLM.

Модель предназначена для диалоговых ответов, визуального вопросно-ответного взаимодействия, описания сцен и мультимодального анализа, а также для генерации творческих изображений по запросу. Веса доступны в формате safetensors для использования с Transformers. Лицензия — MIT. В карточке не приведены данные о размере модели и длине контекста, поэтому эти характеристики не описываются.

Сценарии применения

  • ответы на вопросы по изображению
  • описание сцен и объектов на изображении
  • мультимодальный диалог с анализом изображений
  • генерация изображений по текстовому описанию
  • создание творческих визуальных материалов

Ограничения

Размер модели и длина контекста в предоставленных данных не приведены. Качество генерации и понимания изображений зависит от запроса; в карточке нет результатов сравнительной оценки.

Для каких профессий подходит4

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

Kiel-2-Omni

Kiel-2-Omni is a fine-tuned multi-modal vision-language model based on the Janus architecture. It unifies three core capabilities within a single autoregressive framework:

  1. Text Generation: Standard conversational reasoning and open-ended text answers.
  2. Image Understanding (Image-to-Text): Visual question answering, scene description, and multimodal analysis.
  3. Text-to-Image Generation: Generating high-fidelity visual assets and creative artwork from descriptive text prompts.

Model Details

  • Model Type: Multi-Modal Causal Language Model (MultiModalityCausalLM)
  • Base Model: deepseek-ai/Janus-Pro-1B
  • Architecture Highlights: Decoupled visual encoder pathways for understanding combined with a vector-quantized token decoding head for native image synthesis.
  • Weights Format: Single unified .safetensors file (model.safetensors) designed for optimized cloud deployment and fast loading.

Quick Start: Loading the Model

Load your fine-tuned model and processor directly from Hugging Face using standard transformers:

import torch
from transformers import AutoProcessor, AutoModel

repo_id = "kiel2/Kiel-2-Omni"

processor = AutoProcessor.from_pretrained(repo_id, trust_remote_code=True)
model = AutoModel.from_pretrained(
    repo_id, 
    trust_remote_code=True, 
    torch_dtype=torch.bfloat16, 
    device_map="auto"
)
print("Kiel-2-Omni loaded successfully!")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура multi_modality неизвестна transformers в образе рантайма.

Класс архитектуры
MultiModalityCausalLM
Ревизия весов
2b6e4ec

0 моделей