Polaris-VGA-4B-Post1.0e-i1-GGUF

Исходную модель разработал prithivMLmods, а квантизацию выполнил mradermacher. Модель предназначена для задач visual grounding, то есть обнаружения и локализации объектов на изображениях, а также для сценариев, связанных с object detection и обработкой визуально-текстовых запросов.

Модель относится к vision-language models и поддерживает работу с текстом и изображениями; заявленный язык — английский. В основе лежит модель размером около 4 млрд параметров, однако точная архитектура и размер контекстного окна в README не указаны. Репозиторий содержит набор вариантов квантизации с разными компромиссами между размером, скоростью и качеством; доступны файлы размером примерно от 1,5 до 3,6 ГБ. Для запуска vision-функций могут потребоваться отдельные mmproj-файлы из статического репозитория.

Сильными сторонами являются поддержка визуального grounding и широкий выбор GGUF-квантизаций, включая рекомендуемые варианты Q4_K_M и Q4_K_S. Ограничения включают возможное снижение качества у низкобитных вариантов, отсутствие в README подробных результатов оценки, точных характеристик архитектуры и контекстного окна, а также необходимость совместимого ПО, например llama.cpp или vLLM, и дополнительных компонентов для обработки изображений. Модель распространяется по лицензии Apache-2.0.