К содержимому
Компьютерное зрение

Kimi-VL-A3B-Thinking-2506

компактная VLM с рассуждениями и поддержкой видео

2 мин чтения

Обновлённая мультимодальная модель от Moonshot AI (перезалитая в репозиторий technicallyAnnoyed) объёмом 16.41 млрд параметров на базе Kimi-VL-A3B-Instruct. Она умеет анализировать изображения, видео и длинные документы, выдавая перед ответом пошаговую цепочку рассуждений в специальных тегах. По сравнению с прошлой версией Kimi-VL-A3B-Thinking модель стала заметно точнее в математике и визуальной логике, но при этом тратит на 20% меньше токенов на размышления. Пригодится разработчикам, которым нужен лёгкий мультимодальный движок для сложных визуальных задач, разбора экранов и документов без запуска тяжёлых моделей на 30–70B параметров.

Ключевые особенности

  • Сокращённая на 20% длина рассуждений при заметном росте точности в мультимодальной математике и логике.
  • Поддержка высокого разрешения — до 3.2 млн пикселей на одно изображение (в 4 раза больше, чем у предыдущей версии).
  • Улучшенное понимание и анализ видеороликов — 65.2 на бенчмарке VideoMMMU и 71.9 на Video-MME.
  • Сильные навыки работы с интерфейсами и длинными документами (52.8 на ScreenSpot-Pro и 42.1 на MMLongBench-DOC).

Что можно сделать

  • Собрать ИИ-агента для навигации по экрану ПК или смартфона и поиска элементов интерфейса (задача OS-agent grounding).
  • Автоматизировать извлечение данных и ответы на вопросы по многостраничным PDF-документам и сложным схемам.
  • Использовать в образовательных ботах и сервисах для пошагового решения математических и научных задач по фото или видео.

Пример

from vllm import LLM, SamplingParams
from transformers import AutoProcessor

llm = LLM("moonshotai/Kimi-VL-A3B-Thinking-2506", trust_remote_code=True, max_model_len=131072)
processor = AutoProcessor.from_pretrained("moonshotai/Kimi-VL-A3B-Thinking-2506", trust_remote_code=True)
params = SamplingParams(max_tokens=32768, temperature=0.8)
outputs = llm.generate([{"prompt": text, "multi_modal_data": {"image": image}}], sampling_params=params)
ПодробнееБенчмарки: MathVista_MINI — 80.1, MATH-Vision — 56.9, MMBench-EN-v1.1 — 84.4, OCRBench — 869, MMLU — 82.0.
Для запуска авторы рекомендуют vLLM (v0.9.1) с обязательной установкой flash-attn во избежание нехватки памяти CUDA.
Окружение для Transformers: Python 3.10, torch >= 2.1.0, transformers 4.48.2; контекст до 131 072 токенов, генерация до 32 768 токенов.
В коде примера от авторов указан путь на оригинальный репозиторий moonshotai/Kimi-VL-A3B-Thinking-2506.
Обсудить Telegram 0 23

Запустится ли?

Запустится в FP8 / INT8

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

  • BF16веса 31 GB · готовые файлы34 GB
  • FP8 / INT8рекомендуемвеса 15 GB17 GB
  • 4-bitвеса 8.6 GB10.0 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 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.

    # technicallyAnnoyed/Kimi-VL-A3B-Thinking-2506
    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 technicallyAnnoyed/Kimi-VL-A3B-Thinking-2506 --local-dir ~/models/Kimi-VL-A3B-Thinking-2506
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Kimi-VL-A3B-Thinking-2506
  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

moonshotai/Kimi-VL-A3B-Instruct
  1. Moonlight-16B-A3Bоснова семьи
  2. Kimi-VL-A3B-Instruct
  3. Kimi-VL-A3B-Thinking-2506

Новые посты про версии Moonlight-16B-A3B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 2Все на Hugging Face
Дообучения 10Все на Hugging Face

О модели

technicallyAnnoyed/Kimi-VL-A3B-Thinking-2506
Автор
technicallyAnnoyed
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии