Q

Qwen2.5 VL 3B Instruct GPTQ Int4

hflによって開発
これはQwen2.5-VL-3B-InstructモデルのGPTQ-Int4量子化バージョンで、画像テキストからテキストへのマルチモーダルタスクに適しており、中国語と英語をサポートしています。
ダウンロード数 1,312
リリース時間 : 2/24/2025

モデル概要

このモデルはQwen2.5-VL-3B-InstructのGPTQ-Int4量子化バージョンで、主に画像とテキストのマルチモーダルタスクを処理するために使用され、画像に関連するテキスト記述や関連する質問に答えることができます。

モデル特徴

効率的な量子化
GPTQ-Int4量子化技術により、モデルのディスク使用量とVRAM要件を大幅に削減しつつ、高い性能を維持します。
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、関連するテキスト出力を生成できます。
高性能
ChartQAやOCRBenchなどのベンチマークテストで優れた性能を発揮し、オリジナルモデルに近い性能を示します。

モデル能力

画像記述生成
画像QA
マルチモーダルテキスト生成

使用事例

画像理解
画像記述
入力画像の詳細な記述を生成します。
出力例:この画像は「中文LLaMA & Alpaca大模型」と「Chinese LLaMA & Alpaca Large Language Models」という中国語と英語のロゴを表示しています。
画像QA
画像内容に関連する質問に答えます。
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
© 2025AIbase