Характеристики

Лицензия: Apache 2.0
Архитектура: qwen2_vl · dense
Базовая модель: Qwen2-VL-OCR-2B-Instruct
Библиотека: transformers
Опубликована: 15 мая 2025

Ссылки

Qwen2-VL-OCR-2B-Instruct-GGUF

Изображение и текст → текст11 профессий

Qwen2-VL-OCR-2B-Instruct-GGUF — мультимодальная модель для преобразования изображений в текст, разработанная как дообученная версия Qwen/Qwen2-VL-2B-Instruct и опубликованная пользователем или организацией prithivMLmods.

1 070скачиваний за 30 дней4лайкавеса обновлены15 мая 2025

Бенчмарки

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

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

Она сочетает визуальное и текстовое понимание с диалоговым взаимодействием и предназначена прежде всего для OCR, распознавания небрежного рукописного текста, анализа изображений, решения математических задач и вывода формул в формате LaTeX. Модель поддерживает сценарии image-to-text и VQA, а также задачи, связанные с кодом. В метаданных указан английский язык.

Модель имеет размер 2B параметров согласно названию базовой модели и распространяется в формате GGUF с вариантами от FP16 до низкоразрядных квантований Q2–Q8 и i1/IQ. Это позволяет выбирать между качеством, скоростью и требованиями к памяти, однако README не содержит количественных оценок качества, сведений о длине контекста, точном наборе поддерживаемых языков и ограничениях распознавания. Лицензия — Apache-2.0; условия конкретного запуска зависят от совместимого программного обеспечения для GGUF.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2-VL-OCR-2B-Instruct-GGUF [ VL / OCR ]

The Qwen2-VL-OCR-2B-Instruct model is a fine-tuned version of Qwen/Qwen2-VL-2B-Instruct, tailored for tasks that involve Optical Character Recognition (OCR), image-to-text conversion, math problem solving with LaTeX formatting and Messy Handwriting OCR. This model integrates a conversational approach with visual and textual understanding to handle multi-modal tasks effectively.

Model Files (Qwen2-VL-OCR-2B-Instruct, GGUF)

File Name	Size	Quantization	Format	Description
`Qwen2-VL-OCR-2B-Instruct.f16.gguf`	3.09 GB	FP16	GGUF	Full precision (float16)
`Qwen2-VL-OCR-2B-Instruct.Q2_K.gguf`	676 MB	Q2_K	GGUF	2-bit quantized
`Qwen2-VL-OCR-2B-Instruct.Q3_K_L.gguf`	880 MB	Q3_K_L	GGUF	3-bit quantized (K L variant)
`Qwen2-VL-OCR-2B-Instruct.Q3_K_M.gguf`	824 MB	Q3_K_M	GGUF	3-bit quantized (K M variant)
`Qwen2-VL-OCR-2B-Instruct.Q3_K_S.gguf`	761 MB	Q3_K_S	GGUF	3-bit quantized (K S variant)
`Qwen2-VL-OCR-2B-Instruct.Q4_K_M.gguf`	986 MB	Q4_K_M	GGUF	4-bit quantized (K M variant)
`Qwen2-VL-OCR-2B-Instruct.Q4_K_S.gguf`	940 MB	Q4_K_S	GGUF	4-bit quantized (K S variant)
`Qwen2-VL-OCR-2B-Instruct.Q5_K_M.gguf`	1.13 GB	Q5_K_M	GGUF	5-bit quantized (K M variant)
`Qwen2-VL-OCR-2B-Instruct.Q5_K_S.gguf`	1.1 GB	Q5_K_S	GGUF	5-bit quantized (K S variant)
`Qwen2-VL-OCR-2B-Instruct.Q6_K.gguf`	1.27 GB	Q6_K	GGUF	6-bit quantized
`Qwen2-VL-OCR-2B-Instruct.Q8_0.gguf`	1.65 GB	Q8_0	GGUF	8-bit quantized

i1 Quantized Variants

File Name	Size	Quantization	Description
`Qwen2-VL-OCR-2B-Instruct.i1-IQ1_M.gguf`	464 MB	i1-IQ1_M	i1 1-bit medium
`Qwen2-VL-OCR-2B-Instruct.i1-IQ1_S.gguf`	437 MB	i1-IQ1_S	i1 1-bit small
`Qwen2-VL-OCR-2B-Instruct.i1-IQ2_M.gguf`	601 MB	i1-IQ2_M	i1 2-bit medium
`Qwen2-VL-OCR-2B-Instruct.i1-IQ2_S.gguf`	564 MB	i1-IQ2_S	i1 2-bit small
`Qwen2-VL-OCR-2B-Instruct.i1-IQ2_XS.gguf`	550 MB	i1-IQ2_XS	i1 2-bit extra small
`Qwen2-VL-OCR-2B-Instruct.i1-IQ2_XXS.gguf`	511 MB	i1-IQ2_XXS	i1 2-bit extra extra small
`Qwen2-VL-OCR-2B-Instruct.i1-IQ3_M.gguf`	777 MB	i1-IQ3_M	i1 3-bit medium
`Qwen2-VL-OCR-2B-Instruct.i1-IQ3_S.gguf`	762 MB	i1-IQ3_S	i1 3-bit small
`Qwen2-VL-OCR-2B-Instruct.i1-IQ3_XS.gguf`	732 MB	i1-IQ3_XS	i1 3-bit extra small
`Qwen2-VL-OCR-2B-Instruct.i1-IQ3_XXS.gguf`	669 MB	i1-IQ3_XXS	i1 3-bit extra extra small
`Qwen2-VL-OCR-2B-Instruct.i1-IQ4_NL.gguf`	936 MB	i1-IQ4_NL	i1 4-bit with no-layernorm quantization
`Qwen2-VL-OCR-2B-Instruct.i1-IQ4_XS.gguf`	896 MB	i1-IQ4_XS	i1 4-bit extra small
`Qwen2-VL-OCR-2B-Instruct.i1-Q4_0.gguf`	938 MB	i1-Q4_0	i1 4-bit traditional quant
`Qwen2-VL-OCR-2B-Instruct.i1-Q4_1.gguf`	1.02 GB	i1-Q4_1	i1 4-bit traditional variant

Metadata

File Name	Size	Description
`.gitattributes`	3.37 kB	Git LFS tracking file
`config.json`	34 B	Config placeholder
`README.md`	672 B	Model readme

Quants Usage

(sorted by size, not necessarily quality. IQ-quants are often preferable over similar sized non-IQ quants)

Link	Type	Size/GB	Notes
GGUF	Q2_K	0.4
GGUF	Q3_K_S	0.5
GGUF	Q3_K_M	0.5	lower quality
GGUF	Q3_K_L	0.5
GGUF	IQ4_XS	0.6
GGUF	Q4_K_S	0.6	fast, recommended
GGUF	Q4_K_M	0.6	fast, recommended
GGUF	Q5_K_S	0.6
GGUF	Q5_K_M	0.7
GGUF	Q6_K	0.7	very good quality
GGUF	Q8_0	0.9	fast, best quality
GGUF	f16	1.6	16 bpw, overkill

Here is a handy graph by ikawrakow comparing some lower-quality quant types (lower is better):

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 8814b60