internlm/Intern-S2-Preview-397B

Modelo de visão e linguagem · 397 B de parâmetros — 62 downloads e 48 curtidas no Hugging Face.

Hugging Face · Modelos ·internlm · ·↓ 62 ·♥ 48

O modelo internlm/Intern-S2-Preview-397B 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: 397 B
  • Biblioteca: transformers
  • Formatos: safetensors
  • Licença: Apache 2.0
  • Downloads: 62 · Curtidas: 48

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): ~953 GB de VRAM — cluster — ~12× GPU de 80 GB (A100/H100)
  • Quantizado 8-bit: ~476 GB de VRAM — cluster — ~6× GPU de 80 GB (A100/H100)
  • Quantizado 4-bit: ~238 GB de VRAM — cluster — ~3× GPU de 80 GB (A100/H100)

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="internlm/Intern-S2-Preview-397B", 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 intern_s2_preview image-text-to-text conversational custom_code

Abrir o modelo no Hugging Face →

compartilhar: