Характеристики

Базовая модель: GRM-3.2-Sky
Опубликована: 23 сен 2026

Ссылки

Hugging Face

OrionLLM_GRM-3.2-Sky-GGUF-el4-MTP

thread13

Изображение и текст → текст4 профессии

Объединённая GGUF-модель OrionLLM_GRM-3.2-Sky и Qwen3.5 MTP для диалогов с текстом и изображениями.

2 125скачиваний за 30 дней1лайквеса обновлены25 сен 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

Это объединённая GGUF-сборка модели OrionLLM_GRM-3.2-Sky с MTP draft-моделью Qwen3.5, подготовленная автором репозитория thread13. Автор сообщает, что создал её с помощью модифицированной версии скрипта grm_mtp_graft.py, объединив MTP-компонент с набором ONYX от el4.

Сборка предназначена для диалогового использования с текстом и изображениями и поддерживает работу с vision. В README автор описывает выбор MTP-варианта как предпочтение для своего оборудования; приведённые мотивы связаны с личными наблюдениями о качестве и расчётами perplexity. Репозиторий распространяет веса в формате GGUF.

Количественные характеристики, список поддерживаемых языков и условия лицензии в предоставленных сведениях не описаны.

Сценарии применения

диалог с текстовой моделью, поддерживающей изображения
обработка пользовательских запросов с изображениями
локальный запуск GGUF-модели с MTP-компонентом

Ограничения

README содержит лишь краткое описание происхождения сборки и не приводит результатов бенчмарков или подробностей качества; автор отмечает, что предпочтение MTP-варианта связано с его собственным оборудованием. Лицензия в предоставленных данных не указана.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TL;DR

Recently I was running some perplexity calculations (extending initial benchmarks started here), and one thing that stood out was the quality of el4 ONYX models, especially its "quality" edition.

(Another thing that stood out was somewhat unfairly ignored quality of Kwaipilot/KAT-Coder-V2.5-Dev and OrionLLM/GRM-3.2-Sky.)

Now while el4 has an xspark draft model in their repository, I am somehow more used to the now-classic MTP one -- or may be I just somehow had more luck with mtp draft models on my specific hardware.

Either way, I used a slightly corrected version of tooltd's 'grm_mtp_graft.py to do the same trick and graft a Qwen3.6 MTP draft model by a4lg to the ONYX set made by el4, and am uploading these here.

I shall probably also upload here the modified Python code and respective perplexity measurements, which could be of general interest.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Ревизия весов: 2a93132