Tanuki-8B-vision — визуально-языковая модель проекта GENIAC Matsuo Lab, построенная на основе LLaVA 1.5. В качестве языковой модели используется Tanuki-8B phase1, а для кодирования изображений — google/siglip-so400m-patch14-384. Модель насчитывает 7,2 млрд параметров, имеет контекст 8192 токена и распространяется в формате safetensors по лицензии Apache-2.0.

Модель предназначена для диалога и генерации текста по изображениям, включая ответы на вопросы о визуальном содержимом. Проект ориентирован на японский язык; разработчики создавали её экспериментально, используя синтетические данные для расширения доступного набора японских данных для коммерчески применимых VLM. Карточка упоминает оценку на лидерборде Heron VLM с помощью GPT-4, но не приводит численных результатов. Ожидаемое ограничение — качество может зависеть от японского языка и сценариев, представленных в обучающих данных; разработка проводилась как эксперимент участниками проекта, а не как основная цель проекта GENIAC.