/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-2B-Thinking
Опубликована
13 мая 2026

MadriMed-VL-2B

Изображение и текст → текст3 профессии

Производная модели madrisight/madrimed-VL-2B. Производная модели madrisight/MadriMed-VL-2B. Компактная медицинская модель, которая отвечает на вопросы по рентгеновским снимкам, КТ и МРТ и помогает анализировать медицинские изображения.

168скачиваний за 30 дней3лайкавеса обновлены1 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Карточка модели madrisight/MadriMed-VL-2B на Hugging Face совпадает с карточкой madrisight/madrimed-VL-2B, поэтому описание составлено по ней.

Карточка модели madrisight/madrimed-VL-2B на Hugging Face совпадает с карточкой madrisight/MadriMed-VL-2B, поэтому описание составлено по ней.

MadriMed-VL-2B — компактная медицинская мультимодальная модель на 2 млрд параметров, разработанная MadriSight на основе Qwen3-VL-2B-Thinking и дообученная для анализа медицинских изображений и текстовых медицинских вопросов. Она принимает изображение вместе с текстовым запросом и формирует текстовый ответ; архитектура — плотная Qwen3-VLForConditionalGeneration. Модель предназначена для радиологических вопросов и ответов, распознавания типа и ориентации снимка, определения анатомических структур и простых вопросов о наличии признаков. В карточке приведены результаты на SLAKE, PubMedQA, MedQA-4opts и MedXpertQA, однако часть таблиц неполна.

Модель не предназначена для диагностики, рекомендаций по лечению или надёжного выявления патологий; авторы отмечают галлюцинации, склонность отвечать «да» на вопросы о наличии признака и редкие артефакты вывода на длинных последовательностях. Ответы требуют проверки, особенно при бинарном скрининге. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в репозитории модели.

Сценарии применения

  • ответы на вопросы по рентгеновским снимкам
  • определение типа и ориентации медицинского изображения
  • распознавание органов и анатомических структур на снимках
  • образовательный разбор медицинских изображений
  • экспериментальная оценка медицинских текстовых вопросов

Ограничения

Не предназначена для диагностики, выбора лечения или надёжного выявления патологий. Возможны галлюцинации, смещение к ответу «да» в вопросах о наличии признака и артефакты на длинных последовательностях; результаты необходимо проверять.

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

MadriMed-VL-2B

A 2B-parameter multimodal medical vision-language model, trained for medical image understanding, radiology report assistance, clinical visual question answering, and medical text reasoning.


📊 Benchmarks

Vision-Language (Medical Image Dataset evaluation)

Open Notebook

Visual question answeringMetricGemma 3 4BMedGemma 4BMadriMed-VL (2B)
SLAKE (radiology)Tokenized F140.272.3
Accuracy (on closed subset)62.087.675.21
LLM-as-a-Judge61.05
VQA-RAD* (radiology)Tokenized F133.649.9
Accuracy (on closed subset)42.169.157.87%
LLM-as-a-Judge44.08
MedXpertQA (MM)Accuracy--24.43%21.50

Text-Only (Zero-Shot)

⚠️ Important: These scores reflect zero-shot generalization from visual fine-tuning alone, yet it still emerges as one of the best-performing 2B medical models on text-only dataser.

BenchmarkMadriMed-VL (2B)OpenBioLLM (8B)MedGemma (4B)Meditron (2B)
PubMedQA59.90%74.1%73.4%58.2%
MedQA-4opts45.40%58.9%64.4%34.1%
MedXpertQA (Text)11.02%10.7%14.2%N/A

🚀 Quick Start

Installation

pip install transformers torch Pillow

Run the model directly

import torch
import re
from transformers import AutoProcessor, Qwen3VLForConditionalGeneration

MODEL_PATH = "madrisight/MadriMed-VL-2B"
print(f"🚀 Loading {MODEL_PATH} for MedQA inference...")

# -----------------------
# Load model + processor
# -----------------------
processor = AutoProcessor.from_pretrained(MODEL_PATH, trust_remote_code=True)
model = Qwen3VLForConditionalGeneration.from_pretrained(
    MODEL_PATH,
    device_map="mps",
    trust_remote_code=True
)
model.eval()

# -----------------------
# Output cleaner
# -----------------------
def clean_output(text: str) -> str:
    text = re.sub(r"</?think>", "", text)
    text = re.sub(r"<\|?image\|?>", "", text)
    return text.strip()

prompt = (
    "You are a medical reasoning classification system.\n\n"
    "Your task is to classify each question into the SINGLE most appropriate underlying immune mechanism.\n\n"
    "RULES:\n"
    "- Output ONLY one standardized category label\n"
    "- Choose the most specific textbook mechanism\n"
    "- If multiple are possible, choose the most primary cause\n\n"
    "ALLOWED OUTPUT CATEGORIES (use exact wording):\n"
    "- CD4+ T-cell deficiency\n"
    "- CD8+ T-cell dysfunction\n"
    "- Neutropenia\n"
    "- Defective phagocytic oxidative burst\n"
    "- Humoral immunity deficiency (B-cell dysfunction)\n"
    "- Complement deficiency\n"
    "- Bone marrow suppression\n"
    "- Cytokine signaling defect\n"
    "- Hypersensitivity reaction Type I\n"
    "- Hypersensitivity reaction Type II\n"
    "- Hypersensitivity reaction Type III\n"
    "- Hypersensitivity reaction Type IV\n"
    "- General immunosuppression (only if no specific mechanism applies)\n\n"
    "OUTPUT FORMAT:\n"
    "Reasoning: <brief reasoning>\n"
    "Final Answer: <category>\n\n"
    "Question:\n"
    "A patient with HIV develops progressive loss of helper T-cell function leading to opportunistic infections."
)

messages = [
    {
        "role": "system",
        "content": "You are an expert medical AI. You must deeply analyze the question and must provide your final answer."
    },
    {
        "role": "user",
        "content": [{"type": "text", "text": prompt}]
    }
]

# -----------------------
# Inference
# -----------------------
with torch.inference_mode():

    text = processor.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )

    inputs = processor(
        text=text,
        # images=image,
        return_tensors="pt",
        padding=True,
        truncation=True,
    ).to("mps")

    generated_ids = model.generate(
        **inputs,
        max_new_tokens=512,
        do_sample=False,
        repetition_penalty=1.05
    )

    output_text = processor.batch_decode(
        generated_ids[:, inputs.input_ids.shape[1]:],
        skip_special_tokens=True
    )[0]

output_text = clean_output(output_text)
print(output_text)
Reasoning: The loss of helper T-cell function in HIV leads to impaired immune response, particularly affecting CD4+ T-cells which are crucial for orchestrating immune responses. This aligns with CD4+ T-cell deficiency as it directly impacts the ability of these cells to support other immune cells.
Final Answer: CD4+ T-cell deficiency

GGUF Version

Available via mradermacher: https://huggingface.co/mradermacher/MadriMed-VL-2B-GGUF Run locally with LM Studio, llama.cpp, or Ollama.

⚠️ Limitations & Safety

🎯 What This Model Does

MadriMed-VL-2B is optimized on medical image like Xrays, CTscan, MRI, etc.:

  • 🔬 Radiology VQA — answer questions about medical images
  • 🫁 Modality/Plane Detection — identify imaging type and orientation
  • 🏥 Organ/Position Recognition — localize anatomical structures
  • ⚕️ Binary Screening — yes/no presence/absence questions

What It Does NOT Do

  • ❌ Diagnosis — do not use for patient diagnosis
  • ❌ Treatment Recommendations — not trained on clinical guidelines
  • ❌ Pathology Detection — abnormality recognition is limited

Known Issues

IssueSeverityDetails
Output corruption🔴 HighRare tokenization artifacts (non-ASCII) on very long sequences
Hallucination🟡 MediumInvented findings
Positive bias🟡 MediumTendency to answer "yes" on presence questions
Pathology substitution🟡 MediumConfuses similar conditions (subdural ↔ subarachnoid)

Safety Guidelines

  • NOT for clinical diagnosis
  • NOT for treatment decisions
  • Use as educational aid only
  • Always verify binary answers
  • Check for corruption

🔬 Technical Details

Training Configuration

ParameterValue
Base modelQwen/Qwen3-VL-2B-Thinking
Training datamedmax
Fine-tuning typeLora SFT + GPRO
Precisionbfloat16
HardwareSingle Mac Mini (M4 Pro) with TrlMPS (https://github.com/krrish-v/trlmps)

🙏 Acknowledgments


📄 Citation

If you use this model in research, please cite:

@software{madrimedvl2b,
  title = {MadriMed-VL-2B: A Compact Multimodal Medical Vision-Language Model},
  author = {Madrisight},
  year = {2026},
  url = {https://huggingface.co/madrisight/MadriMed-VL-2B}
}

Disclaimer: This model is provided for research and educational purposes only. It is not FDA-approved, not clinically validated, and must not be used for patient care without expert human oversight. The authors assume no liability for clinical use.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
a135120

0 моделей