К содержимому
Компьютерное зрение

Lucia 2B v1.2-nc

анализ изображений с цепочкой мыслей

2 мин чтения

Новый LoRA-адаптер (небольшая надстройка над базовой моделью) для Qwen/Qwen3.5-2B, который учит языковую модель внимательно изучать картинку и выдавать структурированный разбор: пошаговые мысли, подписи, теги, промпты и вопросы с ответами. Версия 1.2-nc является некоммерческим аналогом модели Lucia 2B v1.2 и обучена на расширенном датасете из более чем 184 тысяч примеров. Благодаря специальной цели обучения модель сохраняет поведение базовой модели на обычных текстовых запросах и выдает разбор только тогда, когда это требуется. Пригодится разработчикам и исследователям для детального описания изображений и работы с мультимодальными данными.

Ключевые особенности

  • Обучена на 184 562 примерах из датасета thought-symbolic-image-recaptioned.
  • Сохраняет поведение базовой модели Qwen3.5-2B на обычных текстовых запросах благодаря специальной цели обучения.
  • Поддерживает разную глубинную детализацию разбора: от короткого просмотра до детального анализа с критикой и вопросами.
  • Улучшено распознавание текста на изображениях по сравнению с первой версией.

Что можно сделать

  • Использовать адаптер в локальных пайплайнах для генерации подробных промптов, тегов и описаний по картинкам.
  • Автоматизировать разбор визуальных данных в исследовательских проектах (с учетом некоммерческой лицензии CC BY-NC-SA 4.0).
  • Интегрировать модель в связке с библиотеками transformers и peft для анализа структуры фотографий и сцен.

Пример

import torch
from peft import PeftModel
from PIL import Image
from transformers import AutoModelForMultimodalLM, AutoProcessor

processor = AutoProcessor.from_pretrained("AbstractPhil/qwen3.5-2b-think-symbolic-image-nc")
model = AutoModelForMultimodalLM.from_pretrained("Qwen/Qwen3.5-2B", dtype=torch.bfloat16, device_map="cuda")
model = PeftModel.from_pretrained(model, "AbstractPhil/qwen3.5-2b-think-symbolic-image-nc").merge_and_unload().eval()

image = Image.open("picture.jpg").convert("RGB")
prompt = ("Look at this picture and think it through in writing, a closer look; then write a caption and a prompt or tags, "
          "and the questions a careful looker would still ask, each as `question: what -> answer [record, chain or unknown]`.")
messages = [{"role": "user", "content": [{"type": "image", "image": image}, {"type": "text", "text": prompt}]}]
text = processor.apply_chat_template(messages, add_generation_prompt=True, tokenize=False, enable_thinking=False)
inputs = processor(text=[text], images=[image], return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=800, do_sample=False)
print(processor.batch_decode(out[:, inputs["input_ids"].shape[1]:], skip_special_tokens=True)[0])
ПодробнееБерёт за основу Qwen/Qwen3.5-2B и добавляет LoRA-адаптер объёмом в 21 815 шагов обучения.
Требует transformers 5 и peft 0.18 или новее, а также видеокарту с поддержкой CUDA и bfloat16.
Распространяется по лицензии CC BY-NC-SA 4.0 (только для некоммерческого использования из-за датасета изображений).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.4 GB · готовые файлы5.3 GB
  • FP8 / INT8рекомендуемвеса 2.2 GB3.0 GB
  • 4-bitвеса 1.3 GB1.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Qwen3.5-2B.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # AbstractPhil/qwen3.5-2b-think-symbolic-image-nc
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 Qwen/Qwen3.5-2B --local-dir ~/models/Qwen3.5-2B
    hf download AbstractPhil/qwen3.5-2b-think-symbolic-image-nc --local-dir ~/models/qwen3.5-2b-think-symbolic-image-nc
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-2B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

Qwen/Qwen3.5-2B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. Qwen3.5-2B-Baseоснова семьи
  2. Qwen3.5-2B
  3. qwen3.5-2b-think-symbolic-image-nc

Новые посты про версии Qwen3.5-2B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 10Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

AbstractPhil/qwen3.5-2b-think-symbolic-image-nc
Автор
AbstractPhil
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Lucia v1.1-nc

Lucia v1.1-nc