LLM EU
Menu
Modellen

Granite Docling 258M

IBM

Alleen catalogus Open weights

Laatst beoordeeld:

Soevereiniteit en hosting

Alleen catalogus

Dit model is opgenomen in de catalogus ter referentie. Het wordt nog niet gehost op LLM EU en er is hier geen first-party endpoint dat het aanbiedt. Verzoeken eraan gaan rechtstreeks naar de provider, onder de eigen voorwaarden van die provider.

Samenvatting

Het accepteert tekst en afbeeldingen en antwoordt in tekst. Granite Docling 258M is een klein open-weight visie-taalmodel van IBM: 0.3B parameters onder Apache-2.0. De gepubliceerde configuratie vermeldt geen contextvenster, dus deze kaart vermeldt er geen. De repository is gemaakt in mei 2025 en is gespiegeld op Hugging Face. Het is een basis checkpoint zonder instructie-tuning. De kaart is alleen voor de catalogus: LLM EU draait dit model niet. De uitgever vermeldt 2 talen, waarvan 1 behoort tot de talen waarin de Europese Unie publiceert.

Specificaties

Provider
IBM (US)
Contextvenster
Niet geverifieerd: de provider heeft deze claim niet gedocumenteerd.
Parameters
0.3B
Modaliteiten
text, vision
Licentie
apache-2.0 · licence
Open weights
yes
Releasedatum
19 mei 2025
Taken
Visie, Retrieval (RAG), Lage kosten

Talen

Sterk: en

Voldoende: ocr

Sterk

  • en

Voldoende

  • ocr

Niet geverifieerd: de provider heeft deze claim niet gedocumenteerd. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

Wanneer te gebruiken

Sterke punten

  • 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 0.3B parameters it fits on a single accelerator
  • the model page lists en

Beperkingen

  • 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 0.3B 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