Трёхбитная версия Qwen2.5-VL-3B в формате MLX для диалогового анализа изображений и ответов на естественном языке.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель mlx-community/Qwen2.5-VL-3B-Instruct-3bit — трёхбитная версия Qwen2.5-VL-3B-Instruct, подготовленная сообществом mlx-community в формате MLX с помощью mlx-vlm 0.1.11. Это компактная мультимодальная модель архитектуры Qwen2.5-VL с 3,1 млрд параметров, предназначенная для диалога и генерации текстовых ответов по изображениям; метаданные также указывают интерфейс вызова инструментов.
Модель принимает текст и изображения, а выдаёт текст. Поддерживает английский язык; исходная модель рассчитана на контекст до 128 000 токенов. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.
Точность и устойчивость ответов зависят от качества изображения и возможностей базовой модели. Указан английский язык; сведений о лицензии и дополнительных ограничениях в предоставленных данных нет.
README от автора на Hugging Face, как он его опубликовал
This model was converted to MLX format from Qwen/Qwen2.5-VL-3B-Instruct using mlx-vlm version 0.1.11.
Refer to the original model card for more details on the model.
pip install -U mlx-vlm
python -m mlx_vlm.generate --model mlx-community/Qwen2.5-VL-3B-Instruct-3bit --max-tokens 100 --temp 0.0 --prompt "Describe this image." --image <path_to_image>
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
MLX-модели работают только на Apple Silicon.