LLM EU
Menu
Modelos

Florence 2 Large Ft

Microsoft

Apenas catálogo Pesos abertos

Última revisão:

Soberania e alojamento

Apenas no catálogo

Este modelo está catalogado para referência. Ainda não está alojado na LLM EU, e nenhum endpoint próprio o serve aqui. Os pedidos são encaminhados diretamente para o fornecedor, sob os termos desse fornecedor.

Resumo

Aceita texto e imagens e responde em texto. Florence 2 Large Ft é um modelo de visão-linguagem de pesos abertos da Microsoft com 0.8B parâmetros, publicado sob licença MIT. A configuração publicada não regista janela de contexto, pelo que este cartão não a inclui. O repositório foi criado em junho de 2024 e está espelhado no Hugging Face. É um checkpoint base sem ajuste por instruções. O cartão é apenas de catálogo: o LLM EU não executa este modelo. O editor não indica cobertura de idioma na página do modelo.

Especificações

Fornecedor
Microsoft (US)
Janela de contexto
Não verificado: o fornecedor não documentou esta afirmação.
Parâmetros
0.8B
Modalidades
text, vision
Licença
mit · licence
Pesos abertos
yes
Data de lançamento
15/06/2024
Tarefas
Visão

Idiomas

Forte: —

Adequado: —

Forte

    Adequado

      Não verificado: o fornecedor não documentou esta afirmação. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Quando usar

      Pontos fortes

      • 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
      • at 0.8B parameters it fits on a single accelerator

      Limitações

      • 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 0.8B 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