Modeliai

Intern-S1 Mini

Shanghai AI Laboratory

Tik kataloge Atvirieji svoriai

Paskutinį kartą peržiūrėta:

Suverenitetas ir talpinimas

Tik kataloge

Šis modelis yra kataloge tik nuorodai. Jis dar nėra talpinamas LLM EU, ir joks pirmosios šalies galinis taškas jo neaptarnauja. Užklausos jam siunčiamos tiesiogiai teikėjui, pagal to teikėjo sąlygas.

Santrauka

Jis priima tekstą ir vaizdus ir atsako tekstu. Intern-S1 Mini yra atvirojo kodo vaizdo-kalbos modelis iš Shanghai AI Laboratory su 8,5 mlrd. parametrų, paskelbtas pagal Apache-2.0. Paskelbtoje konfigūracijoje nenurodomas konteksto langas, todėl šioje kortelėje jo nėra. Repozitoriumas buvo sukurtas 2025 m. rugpjūčio mėn. ir yra atspindėtas Hugging Face. Tai yra bazinis kontrolinis taškas be instrukcijų derinimo. Kortelė skirta tik katalogui: LLM EU šio modelio nepaleidžia. Leidėjas modelio puslapyje nenurodo kalbos aprėpties.

Specifikacijos

Teikėjas
Shanghai AI Laboratory (CN)
Konteksto langas
Nepatvirtinta: teikėjas nepagrindė šio teiginio.
Parametrai
8.5B
Modalumai
text, vision
Licencija
apache-2.0 · licence
Atvirieji svoriai
yes
Išleidimo data
2025-08-18
Užduotys
Mąstymas, Vizija, Maža kaina

Kalbos

Stipri: —

Pakankama: —

Stipri

    Pakankama

      Nepatvirtinta: teikėjas nepagrindė šio teiginio. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Kada naudoti

      Stiprybės

      • 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 8.5B parameters it fits on a single accelerator

      Apribojimai

      • 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 8.5B 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