К содержимому
Другое

CoCo-Decision-Vision-0.8B

быстрая оценка изображений без генерации текста

2 мин чтенияобновлено

Независимый файнтюн (дообученная версия) компактной модели vllm-sr/d3-lite размером 0.85B параметров от команды corners-ai, созданный для принятия решений по изображениям. Модель принимает текстовое или JSON-описание ситуации вместе с картинками или видео и возвращает вероятности для заданных вопросов за один прямой проход (forward pass), не тратя время на генерацию текста. По сравнению с базовой d3-lite (построенной на Qwen3.5-0.8B) новинка заметно прибавила в точности на визуальных тестах — особенно в разборе чеков, графиков, инфографики, интерфейсов и модерации контента. Подойдёт разработчикам, которым нужен лёгкий и предсказуемый классификатор или роутер для мультимодальных пайплайнов.

Ключевые особенности

  • Работает без генерации токенов: поддерживает типизированные вопросы форматов choice (выбор из вариантов), noul (да/нет) и score (оценка).
  • Полностью совместима с интерфейсом, форматом промптов и инференс-сервером d3_server.py оригинальной d3-lite.
  • Обучена в два этапа (текст и изображения) с замороженным визуальным энкодером и последующей интерполяцией весов с базовой моделью (WiSE-FT, alpha 0.5).
  • Сильный прирост на структурированной графике и документах: например, на Mind2Web точность выросла с 58.5% до 74.4%, а на KIE (CORD + FUNSD) — с 85.6% до 90.3%.

Что можно сделать

  • Автоматизировать проверку пользовательских обращений в техподдержке: одновременно проверять наличие товара в приложенном чеке и определять способ оплаты.
  • Использовать в пайплайнах модерации визуального контента и мемов с быстрой выдачей вероятности нарушений.
  • Подключать как лёгкий классификатор для извлечения данных из графиков, инфографики и веб-интерфейсов в агентских системах.

Пример

from transformers import AutoModel

model = AutoModel.from_pretrained("corners-ai/CoCo-Decision-Vision-0.8B", trust_remote_code=True)
result = model.system_one(
    state="The customer says the blender arrived cracked and attached the receipt.",
    images=["assets/example-receipt.png"],
    questions={"on_receipt": {"type": "noul", "instructions": "Does the receipt list the blender?"}}
)
ПодробнееМетрики: общий результат на локальном прогоне Public vision index (0.3) вырос с 47.37% до 54.62%; CharXiv — с 65.4% до 70.7%, Moderation (Hateful Memes) — с 56.8% до 64.4%.
Обучение: 245k текстовых примеров (model soup из двух сидов) + 15.5k визуальных вопросов из ChartQA, CORD v2, FUNSD, Hateful Memes, InfographicVQA, Multimodal-Mind2Web и COCO 2017.
Лицензия и ограничения: код и веса под Apache-2.0, но из-за лицензий датасетов FUNSD и Hateful Memes модель выпущена только для некоммерческих исследований и оценки; текстовые бенчмарки и видео в этой версии не замерялись.
Обсудить Telegram 0 112

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.6 GB · готовые файлы2.2 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.4 GB1.0 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.

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.

    # corners-ai/CoCo-Decision-Vision-0.8B
    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 corners-ai/CoCo-Decision-Vision-0.8B --local-dir ~/models/CoCo-Decision-Vision-0.8B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к CoCo-Decision-Vision-0.8B
  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/Qwen3.5-0.8B
  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. CoCo-Decision-Vision-0.8B

Новые посты про версии Qwen3.5-0.8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

corners-ai/CoCo-Decision-Vision-0.8B
Автор
corners-ai
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

1120

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

nari-decision-9b

nari-decision-9b