Meta пусна отворения мултимодален модел Muse Glimmer
Meta представи Muse Glimmer — мултимоделен модел с 30 млрд. параметъра, създаден за локални приложения с агентни възможности. Моделът е дестилиран от Muse и се разпространява под лиценза Apache 2.0. Според описанието той е предназначен за чувствителни към поверителността задачи като програмиране, анализ на документи и персонални асистенти. Моделът е достъпен в Hugging Face Hub.
Muse Glimmer съчетава 2 млрд. параметъра за зрителен енкодер с 28 млрд. параметъра за текстов декодер. Той обработва изображения и видео, може да извиква инструменти чрез мултимодални заявки и поддържа откриване на обекти в изображения. Видеообработката е настроена за два кадъра в секунда и до 96 равномерно избрани кадъра.
Meta посочва поддръжка от деня на премиерата в Transformers, llama.cpp, vLLM, Inference Endpoints и други библиотеки. Допълнителен DFlash модул за спекулативно декодиране може да ускори генерирането срещу по-голям разход на памет. Публикуваните сравнения показват предимство на Muse Glimmer в редица агентни, кодиращи и логически тестове, но други модели са водещи в някои мултимодални и тестове за безопасност.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на Hugging Face. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.