Характеристики

Контекст: 8 192 токена
Лицензия: MIT
Архитектура: idefics3 · dense
Базовая модель: Unlimited-OCR
Библиотека: transformers
Опубликована: 12 июл 2026

Ссылки

Hugging Face

frisket-ocr-student-batch01-1k

mbx2

Изображение и текст → текст

Ранний экспериментальный чекпойнт мультимодальной модели для распознавания текста на изображениях.

11скачиваний за 30 дней0лайковвеса обновлены12 июл 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Frisket OCR Student Batch 01 — ранний чекпойнт мультимодальной модели, опубликованный mbx2. Модель дообучена для OCR на синтетических многоязычных данных nvidia/OCR-Synthetic-Multilingual-v1; README описывает снимок после 1000 шагов обучения, оценка качества ещё не проводилась. В метаданных указана архитектура Idefics3 для условной генерации текста по изображениям и возможности работы с изображениями в диалоговом режиме.

Модель предназначена для экспериментов с распознаванием текста на изображениях и оценки обучения OCR-моделей. Это промежуточный чекпойнт, который README прямо обозначает как не готовый к использованию в production. Лицензия — MIT. В README базовой моделью названа SmolVLM-256M, тогда как метаданные связывают репозиторий с baidu/Unlimited-OCR; точную базовую модель по этим источникам установить нельзя.

Сценарии применения

эксперименты с OCR на изображениях
распознавание многоязычного текста на изображениях
оценка промежуточного чекпойнта OCR-модели

Ограничения

Это промежуточный чекпойнт после 1000 шагов; оценка качества не проводилась, поэтому модель не готова к production. README и метаданные расходятся в указании базовой модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

frisket-ocr-student (Batch 01 @ 1k steps)

Early checkpoint of the Frisket OCR student fine-tuned from SmolVLM-256M on nvidia/OCR-Synthetic-Multilingual-v1 (Batch 01).


Steps	1000
Train loss	18.21 → 0.10
Eval gate	not run yet
Hardware	RTX 3090

Not production-ready — mid-run snapshot for sharing / experiments.

from transformers import AutoProcessor, AutoModelForVision2Seq

repo = "mbx2/frisket-ocr-student-batch01-1k"
processor = AutoProcessor.from_pretrained(repo)
model = AutoModelForVision2Seq.from_pretrained(repo, torch_dtype="auto", device_map="auto")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Idefics3ForConditionalGeneration
Ревизия весов: db8695f