/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Infinity-Parser2-Pro
Опубликована
30 мая 2026

Infinity-Parser2-Pro-AWQ-W4A16

Изображение и текст → текст10 профессий

Infinity-Parser2-Pro-AWQ-W4A16 — это квантизированная int4-модель W4A16 для задач анализа изображений и текста, включая OCR, разбор документов и работу с визуально-языковыми запросами.

493скачиваний за 30 дней2лайкавеса обновлены30 мая 2026

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

Модель основана на infly/Infinity-Parser2-Pro и подготовлена пользователем spectator2026 для запуска на GPU NVIDIA A100 с архитектурой sm80, где исходный путь FP8 не поддерживается.

Квантизация выполнена методом AWQ с помощью llm-compressor и применяется только к маршрутизируемым экспертам. Механизмы внимания, GDN/линейное внимание, общий эксперт, vision tower и lm_head сохранены в формате bfloat16. Размер модели уменьшен примерно с 70 ГБ в bf16 до 21 ГБ. Данные о количестве параметров, поддерживаемых языках и размере контекстного окна в README не указаны.

По результатам воспроизведения с AI-оценкой модель показывает близкое к исходной bf16-версии качество: 66,9 против 69,7 на MMStar, около 89 против 86,2 на OCRBench и 96,4 против 96,4 на DocVQA. Основное ограничение — необходимость корректной настройки vLLM и передачи параметра chat_template_kwargs с отключением режима рассуждений; без этого ответы могут попадать в reasoning channel. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Infinity-Parser2-Pro — AWQ W4A16 (int4)

An int4 (W4A16) AWQ quantization of infly/Infinity-Parser2-Pro, made to run on NVIDIA A100 / sm80, where the original FP8 path is unsupported. ~70 GB bf16 → ~21 GB.

Method

AWQ via llm-compressor, routed experts only (W4A16). Attention, GDN/linear-attention, shared expert, vision tower, and lm_head are kept in bf16. Calibrated on a few hundred diverse document + general-vision samples.

Serving note (important)

vLLM fuses some bf16 layers before consulting the ignore list, which can otherwise yield all-! output. Fix: the saved config.json quantization_config.ignore uses broad regexes matching the fused names. Already applied here.

Quality (VLMEvalKit, AI-judged reproduction)

BenchmarkPublished bf16This int4
MMStar69.766.9
OCRBench86.2~89
DocVQA (val)96.496.4

Near-lossless on the cleanly-comparable axes. (MMBench omitted to avoid a circular-vs-vanilla scoring mismatch.)

Usage (vLLM)

vllm serve spectator2026/Infinity-Parser2-Pro-AWQ-W4A16 --dtype bfloat16 --trust-remote-code --reasoning-parser qwen3

Pass chat_template_kwargs={"enable_thinking": false} in requests, or answers land in the reasoning channel.


Quantized by @spectator2026. Original model © infly, Apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
db2b92a

0 моделей