आठ अरब पैरामीटर का एक मॉडल जो तस्वीर पढ़ता भी है और 4K में बनाता भी है, वह भी Apache लाइसेंस पर — समुदाय ने दो दिन में चला लिया

सेंसटाइम ने 19 अगस्त को SenseNova-U1.5-8B-MoT के वेट Apache-2.0 लाइसेंस के तहत हगिंग फ़ेस पर डाले, उसी दिन एक फ़ाइन-ट्यून किया संस्करण और 20 अगस्त को LoRA का सेट आया। यह कोई पाइपलाइन नहीं, एक ही मूल बहु-प्रारूपी मॉडल है: वही आठ अरब पैरामीटर जो तस्वीर देखते हैं, वही उसे बनाते और संपादित भी करते हैं — प्रयोगशाला इस ढाँचे को NEO-unify कहती है। रिलीज़ नोट पिछले संस्करण के मुक़ाबले छह ठोस सुधार गिनाते हैं: बेहतर संयोजन और सामग्री की बनावट; पोस्टर और इन्फ़ोग्राफ़िक में ज़्यादा पढ़ने योग्य चीनी और अंग्रेज़ी पाठ; ज़्यादा कुशल मूल 4K निर्माण; ऐसे संपादन जो तस्वीर के अछूते हिस्सों को नहीं बिगाड़ते; वस्तुओं की गिनती और स्थानिक संबंधों को एक साथ जोड़ने वाले निर्देशों का बेहतर पालन; और बाउंडिंग बॉक्स तथा संदर्भ चित्रों से बारीक नियंत्रण। जाँचने में आसान बात यह है कि इसके बाद क्या हुआ। लगभग अड़तालीस घंटों में समुदाय ने GGUF और FP8 रूपांतरण, एक ONNX निर्यात और एक ComfyUI पैकेज निकाल दिया, जिससे मॉडल आम डेस्कटॉप पर चलने लगा। मुख्य रिपॉज़िटरी लगभग 950 डाउनलोड और 91 पसंद पर है; संदर्भ कोड GitHub पर है और वेट ModelScope पर भी हैं। एक ईमानदार सीमा: सेंसटाइम ने तुलनात्मक नतीजे तालिका के बजाय ग्राफ़ के रूप में दिए हैं और अब तक कोई स्वतंत्र मूल्यांकन नहीं हुआ, इसलिए रैंकिंग के दावों को प्रयोगशाला का अपना कथन मानकर पढ़ें।

✓ सत्यापित · 4 स्रोत

संबंधित खबरें