LLM EU
Meni
Modeli

Granite Docling 258M

IBM

Samo v katalogu Odprte uteži

Nazadnje pregledano:

Suverenost in gostovanje

Samo v katalogu

Ta model je v katalogu za referenco. Na LLM EU še ni gostovan in noben lastni endpoint ga tukaj ne streže. Zahteve zanj gredo neposredno k ponudniku, pod lastnimi pogoji tega ponudnika.

Povzetek

Sprejema besedilo in slike ter odgovarja z besedilom. Granite Docling 258M je majhen odprtokodni vizualno-jezikovni model podjetja IBM: 0,3B parametrov pod licenco Apache-2.0. Objavljena konfiguracija ne beleži kontekstnega okna, zato ga ta kartica ne vsebuje. Repozitorij je bil ustvarjen maja 2025 in je zrcaljen na Hugging Face. Gre za osnovno kontrolno točko brez uglaševanja z navodili. Kartica je samo za katalog: LLM EU ne poganja tega modela. Založnik navaja 2 jezika, 1 od njih je med jeziki, v katerih objavlja Evropska unija.

Specifikacije

Ponudnik
IBM (US)
Kontekstno okno
Ni preverjeno: ponudnik te trditve ni dokumentiral.
Parametri
0.3B
Modalnosti
text, vision
Licenca
apache-2.0 · licence
Odprte uteži
yes
Datum izdaje
19. maj 2025
Naloge
Vid, Pridobivanje (RAG), Nizki stroški

Jeziki

Močno: en

Zadostno: ocr

Močno

  • en

Zadostno

  • ocr

Ni preverjeno: ponudnik te trditve ni dokumentiral. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

Kdaj ga uporabiti

Prednosti

  • 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

Omejitve

  • 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