Модель предназначена для анализа визуального контента и классификации его как безопасного или небезопасного.

Основной сценарий применения — модерация изображений и выявление потенциально чувствительного визуального контента, в частности эротических материалов категории NSFW, а также других нарушений визуальной безопасности. Модель поддерживает обработку изображений с текстовыми инструкциями, рассчитана на английский язык и имеет около 2 млрд параметров. Точный размер контекста в README не указан. Для распространения доступны варианты GGUF с разными уровнями квантования, включая BF16, F16 и диапазон от Q3_K до Q8_0; также опубликованы отдельные мультимодальные проекторы.

Релиз является экспериментальным: модель может демонстрировать неожиданное поведение и артефакты рассуждений, поэтому результаты требуют дополнительной проверки и не должны рассматриваться как безошибочные решения модерации. Она предназначена для исследовательских задач и классификации контента, а ответственность за применение результатов лежит на пользователе. Указана лицензия Apache-2.0; авторы рекомендуют использовать реализацию на базе Transformers, несмотря на доступность формата GGUF для llama.cpp.