Мультимодальная модель на 2 млрд параметров, которая оценивает варианты ответа по тексту и необязательному изображению для классификации без примеров.
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
Jean-François 2B · decision — мультимодальная модель на 2 млрд параметров, разработанная на основе дообученной Qwen3-VL-2B-Instruct. Она оценивает список вариантов ответа для текста и, при необходимости, изображения за один проход, выдавая для каждого варианта калиброванную вероятность правильности. Вероятности оцениваются независимо, поэтому модель допускает, что правильными могут быть сразу несколько вариантов.
Модель предназначена для классификации без заранее заданных примеров и задач выбора по тексту или изображению. В карточке приведены результаты Decision Index 0.2.1 — 33,3 и Decision-Bench — 71,0. Используются веса safetensors; сведения о лицензии и поддерживаемых языках в предоставленных материалах отсутствуют.
Для надёжных выводов по заданию нужны подходящие варианты ответа; в предоставленной карточке не приведены сведения о лицензии и поддерживаемых языках.
README от автора на Hugging Face, как он его опубликовал
A 2B vision-language model that scores a list of options for a text (and an optional image) in a single forward pass. Each option gets its own calibrated probability of being correct, so several options can be right at once.
Fine-tuned from Qwen3-VL-2B-Instruct. Decision Index 0.2.1: 33.3. Decision-Bench: 71.0.
pip install -r requirements.txt
python example.py
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
В репозитории нет config.json: не понять архитектуру модели.