Мультимодальная модель Kimi-VL для диалоговых ответов на текстовые запросы об изображениях, преобразованная в формат MLX.
341скачиваний за 30 дней4лайкавеса обновлены27 янв 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
mlx-community/Kimi-VL-A3B-Thinking-8bit — мультимодальная модель семейства Kimi-VL, преобразованная сообществом mlx-community в формат MLX из moonshotai/Kimi-VL-A3B-Thinking с помощью mlx-vlm 0.1.23. В метаданных также указана связь с OpenGVLab/InternVL3-1B-Instruct как с базовой моделью для дообучения.
Модель принимает изображения и текстовые запросы и формирует текстовые ответы. Она предназначена для диалоговых сценариев с изображениями, например для ответов на вопросы о содержимом изображения. Метаданные отмечают поддержку нескольких языков, но не перечисляют отдельные языки. Для запуска README предлагает библиотеку mlx-vlm; репозиторий содержит веса safetensors. Лицензия указана как other, поэтому условия использования следует сверить с карточкой исходной модели.
Сценарии применения
ответы на вопросы о содержимом изображения
описание объектов и сцен на изображениях
диалоговый анализ изображений
извлечение визуальной информации по текстовому запросу
Ограничения
README перенаправляет за подробностями к карточке исходной модели; условия лицензии указаны как other, поэтому их следует уточнить у исходного репозитория. Метаданные не приводят конкретные языки поддержки.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель