janhq/Jan-v2-VL-high-gguf
Jan-v2-VL: Multimodal Agent for Long-Horizon Tasks !GitHub(https://img.shields.io/badge/GitHub-Repository-blue?logo=github)(https://github.com/janhq/jan) !License(https://img.shields.io/badge/License-Apache%202.0-yellow)(https://opensource.org/licen...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tháng
#1 Repository Của Tháng
🧠 Jan-v2-VL: Mô hình đa phương thức thông minh cho tác vụ dài hạn
Một mô hình ngữ hình ảnh 8B được thiết kế riêng cho các tác vụ phức tạp kéo dài nhiều bước trong môi trường phần mềm thực tế.
Jan-v2-VL là một mô hình ngữ hình ảnh có 8 tỷ tham số, được phát triển bởi nhóm Jan, tập trung vào các tác vụ đa bước dài hạn trong môi trường thực tế như trình duyệt web hoặc các ứng dụng desktop. Mô hình kết hợp lý luận ngôn ngữ và nhận diện hình ảnh để thực hiện các chỉ dẫn phức tạp, duy trì trạng thái trung gian và phụ hồi từ các lỗi thực thi nhỏ.
✨ Điểm nổi bật
- Kiến trúc đa phương thức: Kết hợp lý luận ngôn ngữ và nhận diện hình ảnh để thực hiện các chỉ dẫn phức tạp.
- Tối ưu cho tác vụ dài hạn: Được thiết kế để thực hiện ổn định nhiều bước với độ trôi ngang tối thiểu.
- Đánh giá trên bản thử nghiệm Illusion of Diminishing Returns: Được kiểm chứng hiệu suất thực thi dài hạn trên bài toán này.
- Hỗ trợ triển khai đa nền tảng: Tương thích với vLLM và llama.cpp để triển khai cục bộ.
- Phiên bản đa dạng: Cung cấp ba biến thể Jan-v2-VL-low, Jan-v2-VL-med, và Jan-v2-VL-high để lựa chọn.
- Không giảm hiệu năng: So với mô hình cơ sở Qwen-3-VL-8B-Thinking, không có sự suy giảm trên các tác vụ văn bản và hình ảnh tiêu chuẩn.
- Tích hợp sẵn với Jan App: Hỗ trợ sử dụng trực tiếp thông qua giao diện Jan App.
💡 Vì sao đáng chú ý
Khác biệt từ các mô hình khác, Jan-v2-VL tập trung vào khả năng thực thi lâu dài và ổn định. Thay vì tối ưu cho từng bước đơn lẻ, mô hình được thiết kế để duy trì hiệu suất qua nhiều bước liên tiếp, phù hợp cho các tác vụ như tự động hóa UI, điều khiển trình duyệt và ứng dụng desktop.
#AI #VisionLanguageModel #Agent #HuggingFace #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
Qwen3.8-27B !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc. !Tip F...
Hugging Face | GitHub | Launch Blog | Documentation License: Apache 2.0 | Authors: Google DeepMind Gemma is a family of open models built by Google DeepMind. Gemma 4 models are multimodal, handling text and image input (with audio supported on small...
Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive Join the Discord(https://discord.gg/SZ5vacTXYf) for updates, roadmaps, projects, or just to chat. Qwen3.6-35B-A3B uncensored by HauhauCS. 0/465 Refusals. HuggingFace's "Hardware Compatibility" widget do...
Qwen3.8-Flash-Next !Note This repository contains model weights and configuration files for the post-trained model in the Hugging Face Transformers format. These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, TokenSpeed, etc....
GLM-5.3-Flash 👋 Join our WeChat or Discord community. 📖 Check out the GLM-5.3-Flash blog and GLM-5 Technical report. 📍 Use GLM-5.3-Flash API services on Z.ai API Platform. Introduction We introduce GLM-5.3-Flash, the first natively multimodal mod...
📰 Tech Blog | 📄 Full Report 1. Model Introduction Kimi K3 is an open-weight, native multimodal agentic model and our most capable model to date. It is a 2.8T-parameter model built on Kimi Delta Attention (K...
Unlimited OCR Works Welcome the Era of One-shot Long-horizon Parsing. Release - 2026/06/23 📄 Our paper is now available on arXiv(https://arxiv.org/abs/2606.23050). - 2026/06/23 🤝 Thanks to the ModelScope community for their support. Our model is n...
DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression Technical Report 👁️ Introduction We introduce DeepSeek-V4.1-Flash, a multimodal Mixture-of-Experts (MoE) model with 552B backbone parameters and support for contexts of up to one milli...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...