LLM EU
Izbornik
Modeli

Phi 3.5 Vision Instruct

Microsoft

Samo u katalogu Otvoreni utezi

Posljednji pregled:

Suverenost i hosting

Samo katalog

Ovaj model je u katalogu za referencu. Još nije hostan na LLM EU i nijedan endpoint prvog lica ga ovdje ne poslužuje. Zahtjevi za njega idu izravno pružatelju, pod uvjetima tog pružatelja.

Sažetak

Prihvaća tekst i slike te odgovara tekstom. Phi 3.5 Vision Instruct objavljuje Microsoft kao otvorene težine s 4.1B parametara pod MIT licencom. Objavljena konfiguracija ne bilježi kontekstni prozor, pa ga ova kartica ne sadrži. Spremište je stvoreno u kolovozu 2024. i zrcaljeno je na Hugging Faceu. Kontrolna točka je podešena za instrukcije i isporučuje predložak za chat. Kartica je samo za katalog: LLM EU ne pokreće ovaj model. Izdavač navodi 1 jezik.

Specifikacije

Pružatelj
Microsoft (US)
Kontekstni prozor
Nije provjereno: pružatelj nije dokumentirao ovu tvrdnju.
Parametri
4.1B
Modaliteti
text, vision
Licenca
mit · licence
Otvoreni utezi
yes
Datum izdanja
16. kol 2024.
Zadaci
Vizija, Sažimanje

Jezici

Jako: —

Zadovoljavajuće: nlp

Jako

    Zadovoljavajuće

    • nlp

    Nije provjereno: pružatelj nije dokumentirao ovu tvrdnju. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

    Kada ga koristiti

    Prednosti

    • open weights are published on Hugging Face and can be downloaded without a vendor agreement
    • mit licence, so commercial self-hosting is permitted without a separate agreement
    • at 4.1B parameters it fits on a single accelerator
    • instruction-tuned checkpoint with a chat template in the repository

    Ograničenja

    • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
    • no evaluation has been run by LLM EU
    • the published configuration records no context window, so the card carries none
    • at 4.1B parameters, the weights fit on a single modest accelerator
    • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model