Skip to content
Computer vision

HuatuoGPT-Vision-2-Grader

мультимодальный оценщик ответов для медицины и RL

2 min readupdated

Мультимодальная модель-судья (grader), которая оценивает качество ответов нейросетей по заданным критериям с опорой на медицинские изображения или чистый текст. Она построена на базе Qwen3-VL-8B-Instruct (8.77B параметров) от команды FreedomIntelligence и обучена на оценках GPT-4.1. В отличие от обычных чат-моделей, грейдер за один проход проверяет весь список правил и выдаёт строгий JSON-массив значений true/false, по которому удобно считать итоговую награду. Инструмент пригодится исследователям и разработчикам для обучения моделей методом RL (обучение с подкреплением) и автоматической валидации медицинских ассистентов.

Ключевые особенности

  • Высокая согласованность с GPT-4.1: на отложенной тестовой выборке из 1 165 кейсов (25 191 критерий) модель достигает 91.9% общего совпадения с разметкой GPT-4.1 (92.4% на медицинских снимках из PubMed и 93.6% на HealthBench Professional).
  • Гарантированный формат вывода: на выходе всегда формируется валидный JSON-список булевых значений ровно той длины, сколько критериев было передано в промпте.
  • Поддержка штрафов и наград: система понимает как положительные критерии (например, +5pts за верный диагноз), так и отрицательные (например, -4pts за выдуманную патологию), вычисляя нормированную награду в диапазоне [0, 1].
  • Готовность к масштабированию: помимо стандартного запуска через transformers, в репозитории есть скрипт пакетной оценки score.py и поддержка развёртывания через SGLang и vLLM как OpenAI-совместимого сервера.

Что можно сделать

  • Настроить RL-обучение (GRPO/PPO): использовать модель как reward-сервер для дообучения мультимодальных медицинских VLM на открытых вопросах без необходимости платить за API закрытых моделей.
  • Автоматизировать бенчмаркинг: прогонять пакеты диалогов со снимками (рентген, графики из статей) через score.py для объективного сравнения разных версий своих моделей по строгому чек-листу.
  • Фильтровать синтетические датасеты: отсеивать ответы с галлюцинациями и фактологическими ошибками в медицинских и общих текстовых диалогах перед SFT-обучением.

Пример

from PIL import Image
from transformers import AutoModelForImageTextToText, AutoProcessor

model_id = "FreedomIntelligence/HuatuoGPT-Vision-2-Grader"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(model_id, dtype="auto", device_map="auto").eval()
# Подаём изображение и промпт GRADING_TEMPLATE с диалогом и списком критериев
# Выход модели — JSON-список по порядку критериев: [true, true, false]
ПодробнееБазовая модель: Qwen/Qwen3-VL-8B-Instruct (8.77B параметров).
Метрики согласованности с GPT-4.1: 92.4% на PubMed figures (balanced accuracy 92.2%), 93.6% на HealthBench Professional (93.1%), 91.7% на общих и медицинских текстах (91.6%).
Ограничения: при инференсе процессор сжимает изображения максимум до 921 600 пикселей (разрешение обучения); в протоколе RL отбрасывается блок размышлений (thinking) и оцениваются первые 10 000 символов ответа.
Discuss Telegram 1 14

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 16 GB · ready files18 GB
  • FP8 / INT8recommendedweights 8.2 GB9.5 GB
  • 4-bitweights 4.6 GB5.6 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 3080 · BF16 — from RTX 4090

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # FreedomIntelligence/HuatuoGPT-Vision-2-Grader
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download FreedomIntelligence/HuatuoGPT-Vision-2-Grader --local-dir ~/models/HuatuoGPT-Vision-2-Grader
    # The model is in ~/models. How to run it is in the model card (link above).
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of Qwen3-VL-8B-Instruct (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 4All on Hugging Face
Merges 1All on Hugging Face

About the model

FreedomIntelligence/HuatuoGPT-Vision-2-Grader
Author
FreedomIntelligence
Category
Computer vision
Released
Posted

On NeyroLearn

Hugging Face

141

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments