/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Библиотека
transformers
Опубликована
15 окт 2025

BAGEL-Canvas

Мультимодальная модель3 профессии

BAGEL-Canvas решает математические задачи, генерируя и редактируя диаграммы как часть визуальных рассуждений.

36скачиваний за 30 дней5лайковвеса обновлены23 окт 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

BAGEL-Canvas — мультимодальная модель общего типа от авторов проекта MathCanvas, предназначенная для решения математических задач с опорой на визуальные рассуждения. Модель генерирует и редактирует диаграммы, а затем использует их в чередующихся цепочках текста и изображений; карточка описывает двухэтапное обучение: предварительное обучение навыкам работы с диаграммами и дообучение на примерах стратегического визуально поддержанного решения задач.

Модель рассчитана прежде всего на сложные математические задачи, включая геометрию, где полезно построить или преобразовать схему. В README заявлено улучшение относительной производительности на 86% по тесту MathCanvas-Bench по сравнению с сильными базовыми моделями; подробности оценки приведены на внешней таблице результатов. Репозиторий содержит веса Safetensors, библиотека — Transformers, лицензия — Apache-2.0. Размер модели и длина контекста в предоставленных данных не приведены.

Сценарии применения

  • решение геометрических задач с построением вспомогательной схемы
  • генерация диаграмм по текстовому описанию математической задачи
  • пошаговое редактирование схем при решении задачи
  • получение решения с чередованием текстовых объяснений и изображений

Ограничения

Заявленные результаты относятся к MathCanvas-Bench; карточка не приводит подробной независимой оценки на других наборах задач. Размер модели и длина контекста в доступных данных не указаны.

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

BAGEL-Canvas

BAGEL-Canvas is a powerful Unified Large Multimodal Model (ULMM) endowed with intrinsic Visual Chain-of-Thought (VCoT) capabilities for complex mathematical reasoning. It is the flagship model trained using the comprehensive [MathCanvas] framework.

Unlike prior models that often fail by generating incorrect (e.g., BAGEL-Zebra-CoT) or strategically poor (e.g., Nano-Banana) visuals, BAGEL-Canvas learns to strategically generate and reason with diagrams. As shown below, it correctly produces an intermediate visual step that simplifies the problem, leading to an elegant and correct solution path, mirroring human-like problem-solving.

BAGEL-Canvas is trained following the two-stage MathCanvas framework, designed to systematically build its visual reasoning abilities.

  1. Stage I: Visual Manipulation (Pre-training) This foundational stage trains the model to master the core skills of diagram generation and editing. It involves pre-training on a massive 15.2M-pair corpus, which includes:
    • MathCanvas-Imagen (10M pairs): Teaches text-to-diagram generation.
    • MathCanvas-Edit (5.2M pairs): Teaches step-by-step diagram editing and manipulation.
  2. Stage II: Strategic Visual-Aided Reasoning (Fine-tuning) In this stage, the model learns when and how to strategically deploy its visual skills to solve problems. It is fine-tuned on MathCanvas-Instruct, a high-quality dataset of 219K examples featuring interleaved visual-textual reasoning paths, teaching it when and how to generate a complete VCoT solution.

🏆 Performance

BAGEL-Canvas demonstrates a significant leap in visual mathematical reasoning.

On the challenging [MathCanvas-Bench], our model achieves an 86% relative improvement over strong baselines, establishing state-of-the-art performance among open-source models.

For detailed results and comparisons with over 20 other leading models, please refer to the official leaderboard.

➡️ View the Official MathCanvas-Bench Leaderboard

📜 Citation

If you find our work useful, please consider citing us!

@misc{shi2025mathcanvasintrinsicvisualchainofthought,
      title={MathCanvas: Intrinsic Visual Chain-of-Thought for Multimodal Mathematical Reasoning}, 
      author={Weikang Shi and Aldrich Yu and Rongyao Fang and Houxing Ren and Ke Wang and Aojun Zhou and Changyao Tian and Xinyu Fu and Yuxuan Hu and Zimu Lu and Linjiang Huang and Si Liu and Rui Liu and Hongsheng Li},
      year={2025},
      eprint={2510.14958},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2510.14958}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Ревизия весов
edf45ba

0 моделей