Ristretto-3B — компактная визуально-языковая модель для ответов на текстовые запросы об изображениях с динамическим числом визуальных токенов.

Подходит для: ответы на вопросы по содержимому изображения · описание изображений по текстовому запросу · диалог о визуальном материале