lightonai/LightOnOCR-2-1B
Modelo de visão e linguagem · 1 B de parâmetros — 340.7 mil downloads e 775 curtidas no Hugging Face.
Hugging Face · Modelos
·lightonai
·
·↓ 340737
·♥ 775
O modelo lightonai/LightOnOCR-2-1B 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: 1 B
- Biblioteca:
transformers - Formatos: safetensors
- Licença: Apache 2.0
- Downloads: 340.7 mil · Curtidas: 775
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): ~2.4 GB de VRAM — 1 GPU de consumo (≥ 8 GB, ex. RTX 3060)
- Quantizado 8-bit: ~1.2 GB de VRAM — roda em CPU ou GPU de notebook
- Quantizado 4-bit: ~0.6 GB de VRAM — roda em CPU ou GPU de notebook
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="lightonai/LightOnOCR-2-1B", 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 mistral3 text-generation ocr document-understanding vision-language pdf