LLM EU
Menü
Modellek

Qianfan OCR

Baidu

Csak katalógusban Nyílt súlyok

Utolsó ellenőrzés:

Szuverenitás és hosting

Csak a katalógusban

Ez a modell referenciaként szerepel a katalógusban. Az LLM EU még nem üzemelteti, és itt saját végpont nem szolgálja ki. A hozzá intézett kérések közvetlenül a szolgáltatóhoz mennek, a szolgáltató saját feltételei szerint.

Összefoglaló

Ez egy alap ellenőrzőpont utasítás-hangolás nélkül. A Qianfan OCR egy nyílt forráskódú vizuális nyelvi modell a Baidu-tól, 4.7B paraméterrel, Apache-2.0 licenc alatt. Szöveget és képeket fogad el, és szövegesen válaszol. A közzétett konfiguráció nem rögzít kontextusablakot, így ez a kártya sem tartalmaz ilyet. A tároló 2026 márciusában jött létre, és tükrözve van a Hugging Face-en. A kártya csak katalógus célokat szolgál: az LLM EU nem futtatja ezt a modellt. A kiadó 1 nyelvet sorol fel.

Specifikációk

Szolgáltató
Baidu (CN)
Kontextusablak
Nincs ellenőrizve: a szolgáltató nem dokumentálta ezt az állítást.
Paraméterek
4.7B
Modalitások
text, vision
Licenc
apache-2.0 · licence
Nyílt súlyok
yes
Kiadás dátuma
2026. márc. 18.
Feladatok
Képfelismerés, Lekérdezés (RAG), Alacsony költség

Nyelvek

Erős: —

Megfelelő: ocr

Erős

    Megfelelő

    • ocr

    Nincs ellenőrizve: a szolgáltató nem dokumentálta ezt az állítást. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

    Mikor érdemes használni

    Erősségek

    • open weights are published on Hugging Face and can be downloaded without a vendor agreement
    • Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement
    • at 4.7B parameters it fits on a single accelerator

    Korlátok

    • 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 4.7B 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