Мультимодальная модель Cambrian с архитектурой на базе Phi-3 для диалоговой генерации ответов с учётом изображений.
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
nyu-visionx/cambrian-phi3-3b — мультимодальная модель семейства Cambrian с архитектурой CambrianPhi3ForCausalLM, разработанная NYU VisionX. Модель предназначена для диалогов и генерации ответов с учётом визуального содержимого. В README указано, что Cambrian — модель с фокусом на зрение; для обучения использованы наборы Cambrian Alignment Data и Cambrian Curated Instruction Tuning Data.
Модель содержит 3,7 млрд параметров, поддерживает контекст длиной до 4096 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают текстовую генерацию и чат; README описывает мультимодальность и визуальную направленность. Поддерживаемые языки и подробные ограничения качества в источниках не перечислены.
Карточка не приводит результатов бенчмарков или подробностей о качестве; заявленная длина контекста составляет 4096 токенов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Model type: Cambrian is an open-source Multimodal LLM with vision-centric designs.
Model date: Cambrian-1-3B was trained in June 2024.
Paper or resources for more information:
MIT License following Phi-3
Where to send questions or comments about the model: https://github.com/cambrian-mllm/cambrian/issues
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Модели нужен код из репозитория; автор пока не в списке доверенных организаций.