Qwen2 VL 7B Instruct GGUF
Qwen2-VL-7B-Instructは7Bパラメータ規模のマルチモーダルモデルで、画像とテキストのインタラクティブタスクをサポートします。
ダウンロード数 102
リリース時間 : 12/15/2024
モデル概要
このモデルは視覚言語モデルであり、画像とテキスト入力を処理し、画像理解、視覚質問応答などのタスクを実行できます。
モデル特徴
マルチモーダル能力
画像とテキストの共同処理をサポートし、画像内容を理解して関連するテキスト応答を生成できます。
大規模コンテキストウィンドウ
最大32000トークンの長いコンテキスト長をサポートし、複雑なタスクの処理に適しています。
効率的な推論
量子化最適化により、リソースが限られたハードウェア上で効率的に実行できます。
モデル能力
画像理解
視覚質問応答
マルチモーダル対話
画像キャプション生成
使用事例
コンテンツ理解
画像キャプション生成
入力画像に対して詳細な文章説明を生成します。
インテリジェントアシスタント
視覚質問応答
画像内容に関する自然言語質問に回答します。
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98