bottlecapai/ThinkingCap-Qwen3.6-27B
Modelo de visão e linguagem · 27 B de parâmetros — 46 downloads e 65 curtidas no Hugging Face.
Hugging Face · Modelos
·bottlecapai
·
·↓ 46
·♥ 65
O modelo bottlecapai/ThinkingCap-Qwen3.6-27B aparece entre os mais comentados do Hugging Face — um termômetro do que a comunidade está realmente usando agora na tarefa de visão e linguagem.
Ficha técnica
- Tarefa: visão e linguagem
- Parâmetros: 27 B
- Biblioteca:
transformers - Formatos: safetensors
- Downloads: 46 · Curtidas: 65
Hardware recomendado
Estimativa de VRAM só para carregar os pesos (com ~20% de folga para ativações). Contextos longos consomem memória adicional para o cache de atenção (KV cache).
- Precisão original (16-bit): ~65 GB de VRAM — 1 GPU de data center (80 GB, ex. A100/H100)
- Quantizado 8-bit: ~32 GB de VRAM — 1 GPU profissional (48 GB, ex. A6000) ou 2× 24 GB
- Quantizado 4-bit: ~16 GB de VRAM — 1 GPU high-end (24 GB, ex. RTX 3090/4090)
Como rodar localmente
Modelo de visão e linguagem — envie imagem + texto:
pip install -U transformers accelerate torch
from transformers import pipeline
vlm = pipeline("image-text-to-text", model="bottlecapai/ThinkingCap-Qwen3.6-27B", device=0)
msgs = [{"role": "user", "content": [
{"type": "image", "url": "https://exemplo.com/foto.jpg"},
{"type": "text", "text": "Descreva a imagem."},
]}]
print(vlm(text=msgs, max_new_tokens=200))Tags
transformers safetensors qwen3_5 image-text-to-text qwen3_6 token-efficient efficient-thinking conversational
// relacionados
Leia também
Editorial
MIRA: o primeiro mundo simulado por IA onde quatro pessoas jogam juntas
Blog
Homer: Understanding Long-form Videos with Hierarchical Memory and Agentic Reasoning
Blog
MAGE: View-guided Point Cloud Completion with Efficient Modality Alignment and Adaptive Geometry Enhancement
Blog