LLM EU
Menu
Modelli

Kimi VL A3B Instruct

Moonshot AI

Solo catalogo Pesi aperti

Ultima revisione:

Sovranità e hosting

Solo catalogo

Questo modello è catalogato per riferimento. Non è ancora ospitato su LLM EU, e nessun endpoint di prima parte lo serve qui. Le richieste ad esso vanno direttamente al fornitore, secondo i termini del fornitore stesso.

Riepilogo

Il checkpoint è ottimizzato per le istruzioni e include un template di chat. Kimi VL A3B Instruct è un modello vision-language open-weight di grandi dimensioni di Moonshot AI: 16.4B parametri sotto MIT. Accetta testo e immagini e risponde in testo. La configurazione pubblicata non registra alcuna finestra di contesto, quindi questa scheda non ne riporta alcuna. Il repository è stato creato ad aprile 2025 ed è replicato su Hugging Face. La scheda è solo a scopo di catalogo: LLM EU non esegue questo modello. L'editore non dichiara alcuna copertura linguistica sulla pagina del modello.

Specifiche

Fornitore
Moonshot AI (CN)
Finestra di contesto
Non verificato: il fornitore non ha documentato questa affermazione.
Parametri
16.4B
Modalità
text, vision
Licenza
mit · licence
Pesi aperti
yes
Data di rilascio
09 apr 2025
Attività
Visione, Basso costo

Lingue

Forte: —

Adeguato: —

Forte

    Adeguato

      Non verificato: il fornitore non ha documentato questa affermazione. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Quando usarlo

      Punti di forza

      • 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
      • instruction-tuned checkpoint with a chat template in the repository

      Limiti

      • 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 16.4B parameters, self-hosting needs a single accelerator with enough memory for the weights
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model