Характеристики

Лицензия: Apache 2.0
Архитектура: t2v · dense
Базовая модель: Bernini-Diffusers-v2
Библиотека: mlx
Опубликована: 18 авг 2026

Ссылки

Hugging Face

Bernini-v2-int4

mlx-community

Видео из изображенияИзображение, текст → видео3 профессии

4-битная версия Bernini-v2 для Apple MLX, предназначенная для генерации видео по изображению при ограниченной памяти.

43скачиваний за 30 дней0лайковвеса обновлены18 авг 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

Bernini-v2-int4 — 4-битная версия Bernini-v2 для Apple MLX, созданная сообществом mlx-community на основе ByteDance/Bernini-Diffusers-v2 и распространяемая по лицензии Apache-2.0. Модель предназначена для генерации видео по изображению и связана с семейством Wan2.2-A14B.

Квантизация затрагивает два трансформерных эксперта Wan2.2-A14B: линейные слои внимания и FFN используют int4 с размером группы 64. Планировщик, энкодер umT5 и VAE сохранены в bf16. Такой вариант рассчитан на устройства с ограниченной памятью; README отмечает измеримую потерю качества диффузионных трансформеров при переходе с bf16 и рекомендует bf16 как вариант по умолчанию. Для подробностей об использовании и происхождении авторы отсылают к карточке bf16-репозитория.

Сценарии применения

создание видео на основе входного изображения
локальная генерация видео на устройствах Apple с ограниченной памятью
эксперименты с генерацией видео на базе Wan2.2-A14B

Ограничения

Квантизация трансформерных экспертов до int4 приводит к измеримому снижению качества по сравнению с bf16, который рекомендуется как вариант по умолчанию. Модель предназначена для Apple MLX; README предупреждает, что retrained experts не взаимозаменяемы с Bernini-R*.

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 IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Bernini-v2 (int4, MLX)

4-bit variant of mlx-community/Bernini-v2-bf16 — Apple-MLX conversion of ByteDance/Bernini-Diffusers-v2 (revision 399cf6a, Apache-2.0).

Quantization scope: the two Wan2.2-A14B transformer experts only (attention + FFN Linears, 4-bit, group size 64; embeddings/norms/head/modulation stay bf16). The planner plane (mllm/, vit_decoder, planner_glue), umT5 encoder, and VAE pass through at bf16 — weight-only int4 on diffusion transformers costs measurable quality (bf16 is the recommended default; this variant is the memory-constrained opt-in).

See the bf16 repo's card for the full component table, conversion notes, retrained-experts warning (not interchangeable with Bernini-R-*), usage pointers, and provenance.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов: e407d68