/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Wan2.1-T2V-14B-Diffusers
Опубликована
25 сен 2026

vsqa-preview-14b-v2

Генерация видеоТекст → видео3 профессии

Предварительная дистиллированная версия Wan2.1-T2V-14B для генерации коротких видео по текстовым описаниям.

155скачиваний за 30 дней0лайковвеса обновлены25 сен 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 «Видео» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест 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

memset0 выпустил предварительный чекпойнт VSQA preview 14B v2 — производную Wan2.1-T2V-14B для генерации видео по тексту. Это студент после 200 шагов DMD-дистилляции; при обучении также применялись NVFP4 QAT для линейных слоёв и разреженное внимание VSA. В основе — диффузионный трансформер Wan2.1 с 14 млрд параметров.

Модель рассчитана на генерацию 77 кадров размером 1280×768 за три шага денойзинга, с параметрами сэмплирования, указанными в README. Для воспроизведения обученной конфигурации нужны ядра VSA/QAT FastVideo и патч глобального масштаба 1; обычный плотный BF16-инференс не проверен. Чекпойнт обозначен как предварительный и ещё не оценён. Лицензия — Apache-2.0, как у базовой модели.

Сценарии применения

  • генерация видео по текстовому описанию
  • создание коротких видеоклипов длиной 77 кадров
  • эксперименты с ускоренной генерацией видео за три шага денойзинга

Ограничения

Это предварительный, ещё не оценённый чекпойнт. Воспроизведение обученной конфигурации требует специальных ядер FastVideo VSA/QAT и патча глобального масштаба 1; плотный BF16-инференс не проверен.

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

VSQA preview 14B v2 — DMD 200 steps (critic LR 2e-6, linear NVFP4 global scale 1)

Preview checkpoint, not yet evaluated. Final student of a 200-step DMD run (E0029 Variant V0403). It differs from memset0/vsqa-preview-14b (V0362) in two ways:

  • critic (fake score) learning rate 2e-6 instead of 4e-7 (critic update ratio 1 unchanged);
  • the linear layers' NVFP4 QAT uses global scales fixed to 1.0 (nvfp4_qat_train_gs1) for activations and weights, instead of the dynamic 448·6/max|x| recomputed every forward.

Training lineage

All at 77 frames, 1280×768, global batch 16, from the original Wan2.1-T2V-14B weights:

  1. Dense NVFP4 per-layer reconstruction, 250 steps.
  2. Plain ODE initialization (endpoint regression), 500 steps, VSA C256 cube (4,8,8), sparsity 0.9, NVFP4 attention + linear QAT.
  3. DMD distillation, 200 steps from step 2: student LR 2e-6, critic LR 2e-6, generator updated every iteration, no EMA; teacher and critic are the original dense Wan2.1-T2V-14B.

Sampling contract

  • 3 denoising steps at timesteps [1000.0, 941.1763916015625, 800.0], no additional timestep warp.
  • flow_shift = 8.0, guidance scale 1.0 (distilled), 77 frames at 1280×768.
  • Training attention backend VSA_QAT_TRAIN_C256 (sparsity 0.9); linear quantization nvfp4_qat_train_gs1. Reproducing the trained numerics needs the FastVideo VSA/QAT kernels plus the global-scale-1 patch; plain dense BF16 inference is a different, untested configuration.

Files

Diffusers layout; transformer/ is the exported student, other components are unchanged from the base model. metadata.json, artifact_manifest.json, resolved.yaml, source.yaml and export-verification.json record provenance and the strict-reload export verification. License follows the base model (Apache-2.0).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
ced6cd8

0 моделей