#vision-language

Унифицированная 0.8B vision-language модель для парсинга документов и OCR-задач, обученная на 170M примерах с Q-Mask и Mix-RL.

LFM2.5-VL-3B — 3-миллиардная гибридная vision-language модель Liquid AI, оптимизированная для on-device инференса с поддержкой текста и изображений.

Marlin-2B — это 2-миллиардная мультимодальная модель от NemoStation, доступная на Hugging Face под лицензией Apache 2.0.

Анонс LFM2.5-1.2B — новой семьи оптимизированных для устройств моделей с предобучением на 28T токенов, поддержкой текста, японского, vision-language и audio-language для агентного ИИ на edge.