Модель предназначена для задач image-text-to-text: она принимает изображение и текстовый запрос и генерирует текстовый ответ, например описание изображения.
Из доступных данных известно, что базовая модель относится к семейству DiffusionGemma и имеет обозначение 26B-A4B. Поддерживается запуск через библиотеку mlx-vlm, что ориентировано на выполнение моделей в экосистеме MLX. Другие характеристики, включая архитектуру, точное число активируемых параметров, языки, размер контекста и дополнительные модальности, в карточке не указаны.
Ключевое преимущество модели — 4-битное квантование и формат MLX, потенциально упрощающие локальный запуск на совместимом оборудовании. Ограничения и результаты сравнительных оценок в README не приведены, поэтому качество, производительность и аппаратные требования нельзя достоверно оценить. Модель распространяется по лицензии Apache-2.0; для полного описания условий следует учитывать лицензию Gemma, на которую ссылается карточка.