Характеристики

Лицензия: Apache 2.0
Базовая модель: Wan2.1-T2V-1.3B-Diffusers
Опубликована: 20 сен 2026

Ссылки

vsqa-test-1.3b

Генерация видеоТекст → видео3 профессии

Экспериментальная дистиллированная версия Wan2.1-T2V-1.3B для генерации видео по текстовым запросам с ускоренной малошаговой схемой.

17скачиваний за 30 дней0лайковвеса обновлены20 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Видео» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели сгенерируют результат по каждой задаче. Опубликованный тест 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

memset0/vsqa-test-1.3b — экспериментальная производная модель для генерации видео по текстовому запросу. Она основана на диффузионной Wan2.1-T2V-1.3B-Diffusers и включает обученный трансформер с замороженными компонентами исходного конвейера. В карточке описан экспорт шага 1000; обучение проводилось на роликах длиной 61 кадр и разрешением 448 × 896.

Модель использует attention VSA_QAT_TRAIN_C128 с обученными компрессионными вентилями, а также QAT для NVFP4 Q/K/P/V attention и линейных слоёв W4A4. Веса Safetensors хранятся как веса с плавающей точкой, а не как упакованная FP4-модель для развёртывания. Применялась дистилляция DMD2 с четырёхшаговой схемой и CFG 1.

Для инференса требуется совместимая реализация FastVideo VSQA с поддержкой указанного backend внимания, компрессионных вентилей и контракта линейного QAT. Совместимость со стандартным Diffusers не заявлена. Лицензия — Apache-2.0.

Сценарии применения

генерация короткого видео по текстовому описанию
создание видеосцен для экспериментов с Wan2.1
исследование ускоренной генерации видео с помощью дистилляции DMD2

Ограничения

Для инференса нужна совместимая реализация FastVideo VSQA; совместимость со стандартным Diffusers не заявлена. Экспорт содержит веса с плавающей точкой, а не готовые упакованные FP4-веса.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VSQA E0029 V0247 — step 1000

Student model exported from E0029 V0247, checkpoint 1000. Includes the trained transformer and the base model's frozen pipeline components. Optimizer and critic states are not included.

Base model: Wan-AI/Wan2.1-T2V-1.3B-Diffusers.
Attention: VSA_QAT_TRAIN_C128, logical cube (4, 4, 8), sparsity parameter 0.9, trained compression gates.
Quantization: NVFP4 Q/K/P/V attention QAT and NVFP4 W4A4 linear QAT. Safetensors contain floating-point master weights, not a packed FP4 deployment model.
Distillation: DMD2, four-step ladder [1000, 750, 500, 250], CFG 1, flow shift 8.
Training geometry: 61 frames, 448 × 896; effective batch 16.

Use a compatible FastVideo VSQA implementation supporting this attention backend, compression gates, and linear QAT contract. This export has been strictly reloaded with the frozen training implementation; stock Diffusers inference compatibility is not asserted.

metadata.json and artifact_manifest.json describe the native export. Original training metadata is retained in provenance/training_checkpoint/; provenance/export_relationship.json binds both metadata files by SHA-256. source.yaml and resolved.yaml are audit artifacts and are not portable runtime recipes. The VSQA management-sidecar cutover is not implemented.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов: 92d3fa6