MANTA-4B

MANTA-4B от Gevaert Lab (Stanford University) — медицинская decision-модель на базе vision-language бэкбона Qwen3.5-4B. Она не генерирует текст, а в одном forward pass возвращает калиброванную вероятность для каждого варианта каждого вопроса по кейсу. Всего 5.3B параметров, есть также более точная версия MANTA-27B.

⚙ Ключевые особенности

• 🎯 На вход — текстовый или JSON-кейс, опционально изображения, от 1 до 64 вопросов с вариантами.
• 🩻 Понимает медицинские изображения: рентген, КТ, МРТ, УЗИ, гистологию, эндоскопию, OCT и другие модальности.
• 🏆 На MANTA-Bench medical — 86.1% на 6 700 вопросах; это выше Gemini 3.8 Flash (76.0%) и Claude Sonnet 5.5 (74.6%).
• ⚡ Около 16 ГБ GPU, медианная задержка 68 мс; веса BF16 — 10.6 ГБ.
• 🧩 Лицензия Apache 2.0; модель исследовательская, не медицинское изделие.

💡 Пример

from manta import Manta
model = Manta.from_pretrained('.')
result = model.predict({
    'state': '67-year-old man, fever, productive cough, right pleuritic chest pain.',
    'questions': {'diagnosis': {'type': 'choice', 'instructions': 'Most likely diagnosis?',
                                'criteria': {'pneumonia': 'CAP', 'pe': 'Pulmonary embolism'}}},
})
print(result['questions']['diagnosis']['probabilities'])

Подробнее

MANTA-Bench medical: 86.1% на 6 700 вопросах; out-of-domain — 71.5%.
ECE-15 — 0.028 на in-domain тестах.
Обучение: ~8.5 млн decision-запросов и ~600 H100-часов.
Нужно около 16 ГБ GPU; это research-модель, не для диагностики без валидации и врача.