/ Модель

Характеристики

Контекст
10 485 760 токенов
Размер весов
13,2 МБ
Архитектура
llama4 · dense
Библиотека
transformers
Опубликована
21 окт 2025

tiny-random-llama4

Изображение и текст → текст3 профессии

optimum-intel-internal-testing/tiny-random-llama4 — небольшая тестовая мультимодальная модель на базе архитектуры Llama 4, опубликованная в экосистеме Hugging Face Transformers.

19 228скачиваний за 30 дней0лайковвеса обновлены11 фев 2026

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

README не указывает подтверждённого разработчика; идентификатор репозитория указывает на внутреннее тестирование Optimum Intel. Модель создана как уменьшенная конфигурация для проверки совместимости и преобразования Llama 4, а не как полноразмерная рабочая модель.

Архитектура включает условную генерацию текста и изображений: текстовый модуль содержит 5 скрытых слоёв, механизм Mixture-of-Experts с 4 локальными экспертами и выбором 1 эксперта на токен, 10 attention heads и 2 key-value heads. Зрительный модуль содержит 2 слоя и 4 attention heads. В конфигурации указано 6 571 696 параметров; размер скрытого представления текста — 16. Поддерживаемые языки, длина контекста и фактические мультимодальные возможности не описаны.

Сильная сторона модели — крайне малый размер, удобный для автоматизированных тестов, экспериментов с конфигурацией и проверки конвертации в Transformers. Ограничения существенны: README не содержит результатов оценки, данных обучения, сведений о качестве, сценариях промышленного применения, рисках, разработчике и лицензии. Условия использования и лицензия не указаны, поэтому их необходимо уточнить перед применением или распространением.

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

Model Card for Model ID

Conversion code

from transformers import (
    AutoProcessor,
    Llama4ForConditionalGeneration,
    Llama4VisionConfig,
    Llama4TextConfig,
    Llama4Config,
)
import torch

torch.manual_seed(0)

model_id = "meta-llama/Llama-4-Scout-17B-16E-Instruct"
torch_dtype = torch.bfloat16  # or torch.float32

intermediate_size_mlp = 64
config = Llama4Config.from_pretrained(
    model_id,
    text_config=Llama4TextConfig.from_pretrained(
        model_id,
        head_dim=8,
        hidden_size=16,
        intermediate_size=32,
        intermediate_size_mlp=intermediate_size_mlp,
        moe_layers=[0,1,2,3,4],
        no_rope_layers=[1,1,1,0,1],
        num_attention_heads=10,
        num_experts_per_tok=1,
        num_hidden_layers=5,
        num_key_value_heads=2,
        num_local_experts=4,
    ),
    vision_config=Llama4VisionConfig.from_pretrained(
        model_id,
        hidden_size=16,
        intermediate_size=intermediate_size_mlp,
        num_attention_heads=4,
        num_hidden_layers=2,
        projector_input_dim=128,
        projector_output_dim=128,
        vision_output_dim=128,
    ),
)

model = Llama4ForConditionalGeneration(config).to(torch_dtype)
print(model.num_parameters())  # 6571696

processor = AutoProcessor.from_pretrained(model_id)

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Llama4ForConditionalGeneration
Ревизия весов
0a5ec31

0 моделей