Характеристики

Контекст: 128 000 токенов
Параметры: 7,1 млрд
Размер весов: 16,6 ГБ
Лицензия: Apache 2.0
Архитектура: qwen2_5_vl · dense
Базовая модель: Qwen2.5-VL-7B-Instruct
Библиотека: transformers
Опубликована: 28 апр 2025

Ссылки

Hugging Face arXiv 2505.13227

Jedi-7B-1080p

xlangai

Изображение и текст → текст3 профессии

Дообученная Qwen2.5-VL-7B для визуального анализа пользовательских интерфейсов и привязки действий к их элементам.

199скачиваний за 30 дней31лайквеса обновлены18 июн 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

xlangai/Jedi-7B-1080p — модель, опубликованная авторами работы «Scaling Computer-Use Grounding via User Interface Decomposition and Synthesis». Это дообученная мультимодальная модель Qwen2.5-VL-7B-Instruct с архитектурой Qwen2_5_VLForConditionalGeneration и 7,1 млрд параметров.

Модель принимает текст и изображения и предназначена для визуальных задач, связанных с интерфейсами и компьютерным управлением. Карточка связывает её с исследованием разложения и синтеза интерфейсов для привязки действий к элементам пользовательского интерфейса. Модель поддерживает контекст до 128 000 токенов и работает с английским языком.

Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Лицензия — Apache-2.0. Доступное описание не раскрывает конкретные метрики качества или подробные ограничения, поэтому пригодность для конкретных интерфейсов и сценариев управления следует оценивать отдельно.

Сценарии применения

анализ скриншотов пользовательского интерфейса
определение элементов интерфейса по изображению
привязка команд к элементам графического интерфейса
исследование автоматизации работы с компьютерными интерфейсами

Ограничения

README и метаданные не приводят оценок качества или конкретных ограничений; возможности управления интерфейсом за пределами визуального анализа из доступных сведений не подтверждены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This repository contains the model from the paper Scaling Computer-Use Grounding via User Interface Decomposition and Synthesis.

📄 Citation

If you find this work useful, please consider citing our paper:

@misc{xie2025scalingcomputerusegroundinguser,
      title={Scaling Computer-Use Grounding via User Interface Decomposition and Synthesis}, 
      author={Tianbao Xie and Jiaqi Deng and Xiaochuan Li and Junlin Yang and Haoyuan Wu and Jixuan Chen and Wenjing Hu and Xinyuan Wang and Yuhui Xu and Zekun Wang and Yiheng Xu and Junli Wang and Doyen Sahoo and Tao Yu and Caiming Xiong},
      year={2025},
      eprint={2505.13227},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2505.13227}, 
}

Project Page: https://osworld-grounding.github.io Code: https://github.com/xlang-ai/OSWorld-G

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen2_5_VLForConditionalGeneration
Ревизия весов: 7ccf6e4