К содержимому
Другое

VFIG-8B

научные схемы в редактируемый SVG

2 мин чтенияобновлено

VFIG-8B принимает изображение сложной научной или технической схемы и генерирует SVG-код, который заново собирает её как масштабируемую и редактируемую векторную графику. Модель построена на Qwen/Qwen3-VL-8B-Instruct, содержит 8B параметров и обучена в два этапа: SFT, затем GRPO-based RL с визуальными наградами, учитывающими рендеринг. В языковой модели использована LoRA (небольшая надстройка над базовой моделью), vision encoder и projector заморожены, а RL-LoRA слита в SFT-чекпоинт. Пригодится исследователям, инженерам и дизайнерам, которым нужны правимые диаграммы из статей и документации.

Ключевые особенности

  • На входе — картинка научной или технической схемы, на выходе — SVG-код.
  • Обучение: SFT + GRPO-based RL с rendering-aware visual rewards.
  • База Qwen3-VL-8B-Instruct; vision encoder и projector заморожены.
  • LoRA rank 32, alpha 16 в языковой модели; слита в SFT-чекпоинт.
  • 8B параметров, формат BF16.

Что можно сделать

  • Перевести схему из статьи или PDF в SVG для правки в векторном редакторе.
  • Сделать масштабируемую диаграмму для презентации, сайта или документации.
  • Встроить в пайплайн: изображение схемы → SVG-код без ручной трассировки.
  • Использовать для реконструкции сложных научных и технических иллюстраций.

Пример

from PIL import Image
import torch
from transformers import AutoProcessor, AutoModelForImageTextToText
model_name = "XunmeiLiu/VFIG-8B"
processor = AutoProcessor.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForImageTextToText.from_pretrained(model_name, torch_dtype=torch.bfloat16, device_map="cuda", trust_remote_code=True)
img = Image.open("simple_diagram.png").convert("RGB")
# messages: image + "Convert this figure into valid SVG code."; затем generate(max_new_tokens=8192)
ПодробнееПараметры: 8B, BF16; отдельных требований к VRAM в карточке нет.
Обучение: SFT + GRPO с rendering-aware visual rewards; LoRA rank 32, alpha 16, слита в SFT-чекпоинт.
Vision encoder и projector заморожены; язык карточки — английский.
Лицензия cc-by-4.0; проверьте совместимость с лицензией базовой Qwen3-VL-8B-Instruct.
Обсудить Telegram 0 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 16 GB · готовые файлы18 GB
  • FP8 / INT8рекомендуемвеса 8.2 GB9.5 GB
  • 4-bitвеса 4.6 GB5.6 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.

    # XunmeiLiu/VFIG-8B
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 XunmeiLiu/VFIG-8B --local-dir ~/models/VFIG-8B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к VFIG-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-VL-8B-Instruct

Новые посты про версии Qwen3-VL-8B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

XunmeiLiu/VFIG-8B
Автор
XunmeiLiu
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

SEL Qwen 4B

SEL Qwen 4B