/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
llava · dense
Базовая модель
Pixtral-12B-2409
Библиотека
transformers
Опубликована
10 янв 2025

Razorback-12B-v0.2

Изображение и текст → текст3 профессии

Мультимодальная модель на базе Pixtral и UnslopNemo для диалога и ответов на вопросы по изображениям и тексту.

28скачиваний за 30 дней6лайковвеса обновлены10 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Razorback-12B-v0.2 — мультимодальная модель, созданная nintwentydo слиянием TheDrummer/UnslopNemo-12B-v3 и Mistral AI Pixtral-12B-2409. Она принимает текст и изображения и отвечает на вопросы по их содержимому, сочетая визуальное понимание Pixtral с более связной и выразительной генерацией текста. Модель основана на архитектуре Llava, имеет 12 млрд параметров и предназначена для диалогового использования; заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков.

Автор сообщает, что слияние было настроено так, чтобы сохранить визуальные возможности Pixtral, и что модель стабильно работала в его тестах. Параметры генерации требуют дополнительной проверки: в README приведены ориентиры около 0,7 для temperature и 0,03 для min_p. Репозиторий распространяется в формате safetensors через Transformers. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели.

Сценарии применения

  • ответы на вопросы о содержимом изображений
  • описание изображений в диалоге
  • обсуждение изображений вместе с текстовым контекстом
  • генерация связных и выразительных ответов в чате

Ограничения

Автор отмечает, что параметры сэмплирования требуют дополнительной проверки. Указана лицензия other, поэтому условия использования нужно уточнить на странице модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Razorback 12B v0.2

UnslopNemo with Vision!

A more robust attempt at merging TheDrummer's UnslopNemo v3 into Pixtral 12B.

Has been really stable in my testing so far. Needs more testing to see what samplers it does/doesn't like.

Seems to be the best of both worlds - less sloppy, more engaging content and decent intelligence / visual understanding.

Merging Approach

First, I loaded up Pixtral 12B Base and Mistral Nemo Base to compare their parameter differences. Looking at the L2 norm / relative difference values I was able to isolate which parts of Pixtral 12B are a significant deviation from Mistral Nemo. Because while the language model architecture is the same between the two, a lot of vision understanding has been trained into Pixtral's language model and can break very easily.

Then I calculated merging weights for each parameter using an exponential falloff. The smaller the difference, the higher the weight.

Applied this recipe to Pixtral Instruct (Pixtral-12B-2409) and TheDrummer's UnslopNemo-12B-v3. The goal is to infuse as much Drummer goodness without breaking vision input. And it looks like it's worked!

Usage

Needs more testing to identify best sampling params, but so far just using ~0.7 temp + 0.03 min p has been rock solid.

Use the included chat template (Mistral). No chatml support yet.

Credits

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlavaForConditionalGeneration
Ревизия весов
1c7f513

0 моделей