模型

GLM-5.2-Vision-NVFP4

baseten/GLM-5.2-Vision-NVFP4

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:mit 上游版本:f6eab6117386

中文简介

baseten/GLM-5.2-Vision-NVFP4 是 baseten 在 Hugging Face 发布的模型仓库,当前卡片主要关联图文理解与多模态生成。本站固定记录上游版本 f6eab6117386,同步到 70 个文件,文件元数据合计 433.81 GB;访问状态为“公开”,许可证字段为“mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 baseten/GLM-5.2-Vision-NVFP4 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
baseten/GLM-5.2-Vision-NVFP4 是 baseten 在 Hugging Face 发布的模型仓库,当前卡片主要关联图文理解与多模态生成。本站固定记录上游版本 f6eab6117386,同步到 70 个文件,文件元数据合计 433.81 GB;访问状态为“公开”,许可证字段为“mit”。

【适用方向】
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本:f6eab6117386。 任务标签:图文理解与多模态生成。 架构:Glm5vForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 380.99 B。 库标记:sglang。 模型类型字段:glm5v。 上游标注的基础模型:zai-org/GLM-5.2。 上游页面记录的最近更新时间:2026-07-21。

【文件信息】
上游 API 返回 70 个文件,文件元数据合计 433.81 GB。 已保存文件清单中的主要扩展名:.safetensors 49 个、.py 8 个、.json 6 个、.yaml 2 个、.jinja 1 个、.md 1 个。 当前较大的文件包括:model-00019-of-00047.safetensors(9.31 GB);model-00043-of-00047.safetensors(9.31 GB);model-00025-of-00047.safetensors(9.31 GB)。

【运行或处理环境】
仓库文件元数据合计 433.81 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 709.65 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-25 22:47

GLM-5.2-Vision (NVFP4) GLM-5.2 with sight.** A vision-language model that bolts the MoonViT vision encoder from Kimi-K2.6 onto GLM-5.2 through a trained PatchMerger projector. GLM-5.2 is a strong open reasoning model with no vision input. This checkpoint adds it, without touching a single GLM weight: the text backbone and the vision tower are both frozen and byte-identical to their upstream releases. The only newly-trained parameters are the 49.5M-parameter projector** that maps MoonViT's 1152-dim patch embeddings into GLM's 6144-dim token space. | Component | Detail | |---|---| | Text backbone | GLM-5.2 (744B total / A40B active, MoE + MLA + DSA sparse attention) — **frozen** | | Vision tower | MoonViT-3d from Kimi-K2.6, 27 layers, 1152-dim — **frozen** | | Projector | PatchMerger MLP (`pre_norm → linear_1 → GELU → linear_2`), 1152→4608→6144 — **trained** | | Text weights | NVFP4, from `nvidia/GLM-5.2-NVFP4` | | Size | ~466 GB | | Hardware | 8×B200, or 4×B200 at 256k context — **Blackwell only** | | Image tokens | up to 4096 per image (16384 MoonViT patches, 2×2 merge) | | Max context | 1048576 (1M tokens) | Quickstart SGLang needs a small out-of-tree plugin because `Glm5vForConditionalGeneration` is not yet an upstream architecture. It ships inside this repo, so there is nothing else to clone: SGLang 8×B200 — full 1M context 4×B200 — 256k context Same command with `--tp-size 4`, a higher memory fraction, and a smaller context: Query it Standard OpenAI multimodal messages deliver the image as `image_url`: GLM-5.2 is a reasoning model: with `--reasoning-parser glm45`, the chain of thought arrives in `message.reasoning_content` and the answer in `message.content`. Deploy on Baseten The repository includes ready-to-push Truss configs. The only credential you need is an API key for your own Baseten account; no Hugging Face token or pre-created Baseten secret is required. 1. Install `uv` and create a Baseten API key. 2. Export the key, download the small Truss directory

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本:f6eab6117386。 任务标签:图文理解与多模态生成。 架构:Glm5vForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 380.99 B。 库标记:sglang。 模型类型字段:glm5v。 上游标注的基础模型:zai-org/GLM-5.2。 上游页面记录的最近更新时间:2026-07-21。

文件说明

上游 API 返回 70 个文件,文件元数据合计 433.81 GB。 已保存文件清单中的主要扩展名:.safetensors 49 个、.py 8 个、.json 6 个、.yaml 2 个、.jinja 1 个、.md 1 个。 当前较大的文件包括:model-00019-of-00047.safetensors(9.31 GB);model-00043-of-00047.safetensors(9.31 GB);model-00025-of-00047.safetensors(9.31 GB)。

上游文件元数据

  • .gitattributes1.60 KB
  • chat_template.jinja5.08 KB
  • config.json21.79 KB
  • configuration_glm5v.py7.31 KB
  • generation_config.json214 B
  • kimi_k25_processor.py9.25 KB
  • kimi_k25_vision_processing.py9.78 KB
  • media_utils.py12.87 KB
  • mm_projector.safetensors94.53 MB
  • model-00001-of-00047.safetensors9.31 GB
  • model-00002-of-00047.safetensors9.31 GB
  • model-00003-of-00047.safetensors9.31 GB

硬件建议

仓库文件元数据合计 433.81 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 709.65 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

注意事项

许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。