К содержимому
Другое

VultronRetrieverPrime-Qwen3.5-8B-v2

флагманский визуальный ретривер документов

2 мин чтенияобновлено

Модель решает задачу визуального поиска по документам, сканам, таблицам, графикам и отчетам сразу на шести языках (английском, французском, немецком, испанском, итальянском и португальском). Она построена на базе гибридной архитектуры Qwen/Qwen3.5-9B (8.4 млрд параметров) и использует подход late-interaction (ColBERT-style), оценивая страницы по их рендер-изображениям с помощью многовекторных эмбеддингов размерности 4096. В отличие от простых текстовых эмбеддингов, такой подход позволяет точно сопоставлять запросы с таблицами, графиками и элементами верстки. Модель пригодится разработчикам мультимодальных систем RAG, которым важна максимальная точность поиска по сложным документам.

Ключевые особенности

  • ViDoRe V3: 67.46 средний nDCG@10 по 8 публичным задачам, превосходя многие аналоги.
  • Двунаправленное внимание: все 8 слоев full-attention работают в двух направлениях для лучшего понимания контекста.
  • 4096-dim мульти-векторы: детальное представление по токенам (до 1792 визуальных токенов на страницу).
  • Эффективность: требует около 17 ГБ VRAM в bf16 и запускается на одном GPU.

Что можно сделать

  • Мультимодальный RAG: внедрить в поисковую систему или чат-бота для точного поиска ответов по сканам PDF, отчетам и слайдам.
  • Анализ таблиц и схем: извлекать информацию со страниц со сложной версткой, графиками и табличными данными.
  • Мультиязычный поиск: индексировать документы на шести европейских языках без потери качества.
  • Интеграция через vLLM: развернуть в продакшене с помощью пулингового ранера и пайплайна MaxSim.

Пример

Инициализация модели и кодирование запросов с изображениями с помощью библиотеки Sentence Transformers:

from sentence_transformers import MultiVectorEncoder

model = MultiVectorEncoder("vultr/VultronRetrieverPrime-Qwen3.5-8B-v2")

queries = [
    "What is the variable represented on the y-axis of the graph?",
    "Total outlay is maximum in which year?",
]
images = [
    "[https://huggingface.co/datasets/sentence-transformers/example-documents/resolve/main/doc1.jpg](https://huggingface.co/datasets/sentence-transformers/example-documents/resolve/main/doc1.jpg)",
    "[https://huggingface.co/datasets/sentence-transformers/example-documents/resolve/main/doc2.jpg](https://huggingface.co/datasets/sentence-transformers/example-documents/resolve/main/doc2.jpg)",
]

query_embeddings = model.encode_query(queries)
image_embeddings = model.encode_document(images)

scores = model.similarity(query_embeddings, image_embeddings)
print(scores)
Подробнее• Бенчмарки: ViDoRe V3 (67.46 nDCG@10), MTEB V1 (93.35), V2 (72.91).
• Требования: около 17 ГБ VRAM (bf16), поддержка библиотеки transformers >= 5.2.0.
• Ограничения: только для поиска (retriever), для генерации ответов требуется отдельный reader/LLM; поддерживает ровно 6 языков.
Обсудить Telegram 1 28

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 16 GB · готовые файлы18 GB
  • FP8 / INT8рекомендуемвеса 7.8 GB9.1 GB
  • 4-bitвеса 4.4 GB5.3 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 3080 · BF16 — 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.

    # vultr/VultronRetrieverPrime-Qwen3.5-8B-v2
    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 vultr/VultronRetrieverPrime-Qwen3.5-8B-v2 --local-dir ~/models/VultronRetrieverPrime-Qwen3.5-8B-v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к VultronRetrieverPrime-Qwen3.5-8B-v2
  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/Qwen3.5-9B
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. VultronRetrieverPrime-Qwen3.5-8B-v2

Новые посты про версии Qwen3.5-9B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

vultr/VultronRetrieverPrime-Qwen3.5-8B-v2
Автор
vultr
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

281

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

SahayakLLM

SahayakLLM
Языковые модели

KavyaBot-v1

KavyaBot-v1