AIbase
JA
ホーム
VL Rethinker 7B Fp16
V

VL Rethinker 7B Fp16

mlx-communityによって開発
このモデルはQwen2.5-VL-7B-Instructを変換したマルチモーダル視覚言語モデルで、視覚質問応答タスクをサポートします。
テキスト生成画像
Transformers
 英語オープンソースライセンス:Apache-2.0#マルチモーダルQA#視覚言語理解#7Bパラメータ規模
ダウンロード数 17
リリース時間 : 4/16/2025

モデル概要

VL-Rethinker-7B-fp16は7Bパラメータ規模のマルチモーダルモデルで、視覚言語タスクに特化しており、画像に関連するテキスト内容を理解・生成できます。

モデル特徴

マルチモーダルサポート
画像とテキスト入力を同時に処理し、視覚言語の理解と生成を実現します。
効率的な推論
MLXフレームワークで最適化され、Apple Siliconデバイス上で効率的に動作します。
視覚質問応答能力
画像内容に基づいて関連質問に回答したり、記述テキストを生成したりできます。

モデル能力

画像理解
視覚質問応答
画像記述生成

使用事例

インテリジェントアシスタント
画像内容記述
視覚障害者向けに画像内容を説明
画像内容を正確に記述するテキストを生成
教育
視覚学習支援
教材の画像内容理解を学生支援
教材画像に関連する解説と説明を提供
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
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase