⚡
Starší verze stejné modelové řady a modely s celkovou hodnotou < 86 jsou vynechány.
Grafika je agregát grafu a geometrie; Prům. je průměr nad přirozeným obrazem, grafikou, zvukem, přirozeným videem a textem bohatým videem, jak je uvedeno v příspěvku (může se mírně lišit od průměru zaoblených sloupců). "–" znamená nevyhodnoceno.
Čísla OmniParsingBench používají opravenou verzi základní pravdy a soudce LLM („Qwen3-235B-A22B-Instruct-2507“); jsou vzájemně srovnatelné, ale ne přímo s čísly vypočítanými v původní verzi.
ChemOCR: optické rozpoznávání chemických struktur (image → SMILES), Prům. Sim. a Tani@1.0 (vyšší je lepší). PDMX: celostránkové optické rozpoznávání hudby (notový zápis → ABC), ABC CER / SER / LER (nižší je lepší).
Licence
other
Zaměření
image-text-to-text
Velikost repozitáře
9.9 GB
Podpora strukturovaného volání nástrojů (tool/function calling) pro agentní úlohy.
Zadej úlohu s definovanými nástroji v JSON schématu a ověř správnost volání funkcí.
Model je dostupný přes knihovnu Hugging Face Transformers. Velikost repozitáře: 9.9 GB.
