Модель предназначена для запуска с библиотекой mlx-vlm на совместимых устройствах Apple Silicon и использует формат safetensors.

Модель поддерживает сценарии image-text-to-text, включая обработку изображений и генерацию текстовых ответов по ним. В README приведён пример использования для описания изображения. Известно, что модель имеет размер 24B параметров, является instruct-моделью и использует 4-битное квантование, однако сведения о точной архитектуре, поддерживаемых языках и размере контекстного окна не указаны.

Ключевые преимущества — уменьшенный объём хранения и потенциально более эффективный локальный запуск благодаря 4-битному представлению и формату MLX. Ограничения связаны с зависимостью от экосистемы MLX и mlx-vlm, а также с отсутствием в доступных данных подробных сведений о производительности, языках и контекстном окне. Модель распространяется по лицензии Apache-2.0.