К содержимому
Компьютерное зрение

Blossom-V7.2-9B

компактная мультимодальная модель с экономными рассуждениями

2 мин чтенияобновлено

Blossom-V7.2-9B — открытая мультимодальная VLM (модель, работающая с текстом и изображениями) от автора Azure99 для локального запуска. Она основана на Qwen3.5-9B (9,65 млрд параметров) и дообучена для повседневного общения, математики, программирования, веб-разработки, визуализации данных и агентских сценариев с вызовом инструментов. Главная фишка релиза — два встроенных режима рассуждений (medium и max) и поддержка MTP (Multi-Token Prediction, спекулятивное ускорение генерации в vLLM и llama.cpp). Подойдёт владельцам видеокарт с ограниченным объёмом памяти, которым нужен умный локальный ассистент с пониманием картинок.

Ключевые особенности

  • Два режима рассуждений: мышление включено всегда — max (по умолчанию) для глубокого анализа и medium, который подстраивает длину цепочки мыслей под сложность задачи и тратит примерно в 4 раза меньше токенов, чем Qwen3.5.
  • Агентский вызов инструментов: модель рассуждает перед каждым вызовом функции (interleaved thinking), что повышает точность в многошаговых задачах.
  • Понимание изображений и длинный контекст: принимает картинки вместе с текстом и поддерживает контекстное окно до 262 144 токенов (рекомендуется 131 072).
  • Ускорение через MTP: из коробки поддерживает спекулятивное декодирование в vLLM и llama.cpp, а также доступна в формате GGUF.

Что можно сделать

  • Локальный AI-агент: подключить через OpenAI-совместимый API в vLLM или llama.cpp для автоматизации задач с поиском, браузером и выполнением кода.
  • Помощник по коду и графикам: использовать для вёрстки веб-интерфейсов, написания скриптов и разбора скриншотов или визуализаций данных.
  • Запуск на слабом железе: развернуть квантованную GGUF-версию Q4_K_M на домашнем ПК с небольшим объёмом VRAM.

Пример

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")
response = client.chat.completions.create(
    model="blossom-v7.2",
    messages=[{"role": "user", "content": "Describe this image briefly."}],
    reasoning_effort="medium",
)
print(response.choices[0].message.content)
ПодробнееБазовая модель: Qwen3.5-9B (в линейке также есть версии 27B на Qwen3.8 и 35B-A3B на Qwen3.6), лицензия Apache 2.0.
Ограничения: требуется собственный chat_template из репозитория (нельзя заменять на шаблон Qwen); Ollama не рекомендуется из-за некорректной обработки шаблона.
Для многоходовых диалогов обязательно передавать в историю предыдущее поле reasoning, иначе качество ответов заметно падает.
Обсудить Telegram 0 8

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 18 GB · готовые файлы20 GB
  • FP8 / INT8рекомендуемвеса 9.0 GB10 GB
  • 4-bitвеса 5.1 GB6.1 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 2080 Ti · BF16 — от RTX 4090

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

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.

    # Azure99/Blossom-V7.2-9B
    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 Azure99/Blossom-V7.2-9B --local-dir ~/models/Blossom-V7.2-9B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Blossom-V7.2-9B
  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

Новые посты про версии Blossom-V7.2-9B — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Azure99/Blossom-V7.2-9B
Автор
Azure99
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

80

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Antiphon-V1

Antiphon-V1
Компьютерное зрение

Zen 6 (27B)

Zen 6 (27B)
Компьютерное зрение

Zen 6 Nano (9B)

Zen 6 Nano (9B)