К содержимому
Компьютерное зрение

RK182X-VLM-MinerU2.5-Pro-2604-1.2B

конвертация VLM для чипов Rockchip RK182X

2 мин чтенияобновлено

Модель представляет собой портированную версию VLM (визионерской языковой модели) OpenDataLab/MinerU2.5-Pro-2604-1.2B под аппаратные ускорители NPU серии RK182X (чипы RK1820 и RK1828). Базовая нейросеть с 1.2 миллиарда параметров создана для эффективного распознавания и разбора сложных документов, включая разметку макета, текст, формулы и таблицы. Новая версия оптимизирована для запуска на встраиваемых устройствах с помощью среды выполнения RKNN Runtime v1.1.0.

Ключевые особенности

  • Оптимизация под NPU: Веса сконвертированы для работы на аппаратных платформах RK1820 и RK1828 с использованием квантования w4a16.
  • Парсинг документов: Точное извлечение текста, таблиц и формул с поддержкой контекста до 8192 токенов.
  • Гибкие конфигурации: Доступны варианты с разрешением зрения 1036x1036 (для RK1828) и 448x448 (для RK1820 и RK1828).
  • Готовые окружения: В репозитории содержатся конфигурационные файлы и манифесты с поддержкой проверки SHA-256.

Что можно сделать

  • Развернуть на железе: Установить модель на устройства с процессорами Rockchip RK182X для локального распознавания документов.
  • Автоматизировать разбор PDF: Интегрировать модель в пайплайн обработки сканированных документов, отчетов и научных статей.
  • Распознавать формулы и таблицы: Использовать возможности VLM для оцифровки сложных печатных материалов без отправки данных в облако.

Пример

Скачивание репозитория с моделью с помощью утилиты Hugging Face CLI:

hf download UGREENDEV/RK182X-VLM-MinerU2.5-Pro-2604-1.2B --revision v1.1.0 --local-dir ./RK182X-VLM-MinerU2.5-Pro-2604-1.2B
ПодробнееИсходная модель распространяется под лицензией Apache License 2.0.
Требуется совместимая версия RKNN Runtime и драйверов (проверка через rknn-smi -v).
Поддерживается работа на чипах RK1820 и RK1828 с кэшем KV в fp16.
Обсудить Telegram 0 203

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.8 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.1 GB0.6 GB
  • GGUFвеса 0.0 GB · готовые файлы0.5 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.

    # UGREENDEV/RK182X-VLM-MinerU2.5-Pro-2604-1.2B
    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 UGREENDEV/RK182X-VLM-MinerU2.5-Pro-2604-1.2B --local-dir ~/models/RK182X-VLM-MinerU2.5-Pro-2604-1.2B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к RK182X-VLM-MinerU2.5-Pro-2604-1.2B
  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 RK182X-VLM-MinerU2.5-Pro-2604-1.2B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

UGREENDEV/RK182X-VLM-MinerU2.5-Pro-2604-1.2B
Автор
UGREENDEV
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

2030

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

qwen3d_points_dist

qwen3d_points_dist