LLM EU
Menu
Modellen

Kimi VL A3B Instruct

Moonshot AI

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 checkpoint is instructie-tuned en bevat een chat-sjabloon. Kimi VL A3B Instruct is een groot open-weight visie-taalmodel van Moonshot AI: 16.4B parameters onder MIT. Het accepteert tekst en afbeeldingen en antwoordt in tekst. De gepubliceerde configuratie vermeldt geen contextvenster, dus deze kaart bevat er geen. De repository is gemaakt in april 2025 en wordt gespiegeld op Hugging Face. De kaart is alleen voor de catalogus: LLM EU draait dit model niet. De uitgever vermeldt geen taaldekking op de modelpagina.

Specificaties

Provider
Moonshot AI (CN)
Contextvenster
Niet geverifieerd: de provider heeft deze claim niet gedocumenteerd.
Parameters
16.4B
Modaliteiten
text, vision
Licentie
mit · licence
Open weights
yes
Releasedatum
09 apr 2025
Taken
Visie, Lage kosten

Talen

Sterk: —

Voldoende: —

Sterk

    Voldoende

      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
      • mit licence, so commercial self-hosting is permitted without a separate agreement
      • instruction-tuned checkpoint with a chat template in the repository

      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 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