模型详情
模型介绍
中文整理Bunny-v1.1-4B 模型卡片
模型概述
Bunny 是一系列轻量级但功能强大的多模态模型。该模型提供多种即插即用的视觉编码器，包括 EVA-CLIP 和 SigLIP，以及多种语言骨干模型，包括 Phi-3-mini、Llama-3-8B、Phi-1.5、StableLM-2 和 Phi-2。为了弥补模型尺寸减小带来的影响，研究团队通过从更广泛的数据源中进行精选，构建了信息更丰富的训练数据。
模型版本
本次发布的 Bunny-v1.1-4B 基于 SigLIP 和 Phi-3-mini-4k-instruct 构建，采用 S²-Wrapper 技术，支持 1152x1152 分辨率。
主要能力
多模态理解与处理能力，支持视觉和语言任务的联合处理。
输入输出格式
支持图像输入，处理分辨率最高为 1152x1152 像素。
运行要求
需要 CUDA 环境且显存充足。运行前需安装相关依赖项。
基本用法
通过 transformers 库加载模型进行推理使用。
许可证
请参阅项目官方文档获取完整的许可证信息。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。