/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,2 млрд
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
Dream · dense
Библиотека
transformers
Опубликована
6 мар 2026

Omni-Diffusion

Генерация текстаТекст → текст3 профессии

Omni-Diffusion — мультимодальная модель на основе дискретной диффузии для понимания и генерации текста, речи и изображений.

63скачиваний за 30 дней14лайковвеса обновлены12 мар 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

Omni-Diffusion — мультимодальная модель семейства Dream, представленная как модель для совместного понимания и генерации текста, речи и изображений. Она использует дискретную диффузию с маскированием и моделирует совместное распределение мультимодальных токенов. Репозиторий содержит 7,2 млрд параметров; заявленная длина контекста — 131 072 токена.

Модель предназначена для сценариев, где требуется связывать текст, речь и изображения в единой системе, включая мультимодальное понимание и генерацию. Для загрузки используется библиотека Transformers с пользовательской архитектурой и параметром trust_remote_code=True. Веса опубликованы в формате safetensors.

Лицензия — Apache-2.0. В карточке нет результатов оценки качества или подробностей о поддерживаемых направлениях преобразования между модальностями, поэтому практические возможности конкретных сценариев по имеющимся данным не уточнить.

Сценарии применения

  • понимание изображений с текстовым запросом
  • генерация изображений по текстовому описанию
  • понимание и генерация речи в мультимодальном диалоге
  • совместная обработка текста, изображений и речи
  • создание мультимодальных приложений на базе Transformers

Ограничения

Карточка не приводит результатов сравнительных оценок и не уточняет конкретные поддерживаемые преобразования между модальностями. Для загрузки требуется trust_remote_code=True, поэтому используется пользовательская архитектура.

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

Omni-Diffusion: Unified Multimodal Understanding and Generation with Masked Discrete Diffusion

Omni-Diffusion is the first any-to-any multimodal language model built entirely on a mask-based discrete diffusion model. It unifies understanding and generation across text, speech, and images by modeling a joint distribution over discrete multimodal tokens.

Usage

As the model uses a custom architecture, it can be loaded using the transformers library with trust_remote_code=True:

from transformers import AutoModel

model = AutoModel.from_pretrained("lijiang/Omni-Diffusion", trust_remote_code=True)

For detailed inference instructions and environment setup (including required image and audio tokenizers), please refer to the official GitHub repository.

Citation

If you find this work helpful for your research, please consider citing:

@article{li2026omni,
  title={Omni-Diffusion: Unified Multimodal Understanding and Generation with Masked Discrete Diffusion},
  author={Li, Lijiang and Long, Zuwei and Shen, Yunhang and Gao, Heting and Cao, Haoyu and Sun, Xing and Shan, Caifeng and He, Ran and Fu, Chaoyou},
  journal={arXiv preprint arXiv:2603.06577},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
DreamModel
Ревизия весов
2233ee1

0 моделей