К содержимому
Компьютерное зрение

chivier/ryze-biovision-qwen3.8-27b-v6.2-fp32

специализированная мультимодальная модель для анализа научных иллюстраций

2 мин чтенияобновлено

Модель Ryze BioVision создана на базе Qwen/Qwen3.8-27B (27.78 млрд параметров) и обучена отвечать на вопросы с выбором из четырёх вариантов (A–D) по изображениям из биологических научных статей. Адаптер (LoRA — небольшая надстройка над базовой моделью) полностью слит с базовой моделью в формате FP32, поэтому она загружается как единое целое без дополнительных модулей. Модель нацелена на задачи вроде определения цветов, сравнения значений по общей оси, пространственных отношений и направлений трендов на графиках. Разработка ориентирована на автоматизацию проверки биологических схем и графиков из открытых источников PubMed Central.

Ключевые особенности

  • Мультимодальный анализ: обработка графиков и иллюстраций из биологических исследований с разрешением до 1,048,576 пикселей.
  • Выбор из четырёх вариантов: выдает строго одну заглавную букву (A, B, C или D) в ответ на заданный вопрос.
  • Узкая специализация: обучена на датасете из биологических статей PubMed Central (охватывает цвета, оси, пространственные связи и тренды).
  • Формат FP32: веса полностью объединены со всеми слоями, размер модели составляет около 102.7 ГБ.

Что можно сделать

  • Анализ графиков: тестировать модель на распознавание трендов, сравнение значений и сопоставление элементов на схемах из биологических пабликаций.
  • Интеграция в пайплайны: использовать в скриптах на Python с библиотекой transformers для автоматизированного разбора научных иллюстраций.
  • Тестирование точности: проверять совпадение ответов модели с эталонными размеченными данными по тестовым подмножествам из карточки.

Пример

import torch
from PIL import Image
from transformers import AutoModelForImageTextToText, AutoProcessor

model_id = "chivier/ryze-biovision-qwen3.8-27b-v6.2-fp32"

processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(
    model_id,
    dtype=torch.float32,
    device_map="auto",
    max_memory={0: "60GiB", "cpu": "45GiB"},
    offload_folder="./offload",
)
model.eval()
ПодробнееТочность на отложенном тесте (383 вопроса): 98.17% (у базовой модели — 94.26%).
Требования к железу: FP32 не помещается целиком на GPU объемом 96 ГБ, требуется офлоадинг на CPU и диск.
Ограничения: выдает только буквы A–D даже при нечитаемой картинке; не предназначена для клинического или диагностического применения.
Обучение: 1 эпоха SFT на архитектуре Qwen3_5ForConditionalGeneration с замороженным vision-тоуэром.
Обсудить Telegram 0 22

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • F32веса 103 GB · готовые файлы113 GB
  • BF16веса 52 GB57 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB17 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.

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.

    # chivier/ryze-biovision-qwen3.8-27b-v6.2-fp32
    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 chivier/ryze-biovision-qwen3.8-27b-v6.2-fp32 --local-dir ~/models/ryze-biovision-qwen3.8-27b-v6.2-fp32
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ryze-biovision-qwen3.8-27b-v6.2-fp32
  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

Дообучение модели

Qwen/Qwen3.8-27B

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

chivier/ryze-biovision-qwen3.8-27b-v6.2-fp32
Автор
chivier
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии