模型

VTP-Base-f16d64

MiniMaxAI/VTP-Base-f16d64

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:modified-mit 上游版本:21fe3a9cb53f

中文简介

MiniMaxAI/VTP-Base-f16d64 是 MiniMaxAI 在 Hugging Face 发布的模型仓库,当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 21fe3a9cb53f,同步到 9 个文件,文件元数据合计 1.10 GB;访问状态为“公开”,许可证字段为“modified-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 MiniMaxAI/VTP-Base-f16d64 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】
MiniMaxAI/VTP-Base-f16d64 是 MiniMaxAI 在 Hugging Face 发布的模型仓库,当前卡片主要关联上游卡片所列任务。本站固定记录上游版本 21fe3a9cb53f,同步到 9 个文件,文件元数据合计 1.10 GB;访问状态为“公开”,许可证字段为“modified-mit”。

【适用方向】
适合在真实样本上评估上游卡片所列任务能力,并比较质量、时延和资源消耗。 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:21fe3a9cb53f。 任务标签:上游卡片所列任务。 语言字段:en。 架构:VTPModel。 上游 Safetensors 元数据显示参数量约 295.64 M。 库标记:transformers。 模型类型字段:vtp。 上游页面记录的最近更新时间:2025-12-16。

【文件信息】
上游 API 返回 9 个文件,文件元数据合计 1.10 GB。 已保存文件清单中的主要扩展名:.png 5 个、.json 1 个、.md 1 个、.safetensors 1 个、无扩展名 1 个。 当前较大的文件包括:model.safetensors(1.10 GB);figures/logo.png(1013.19 KB);figures/scaling_v2.png(604.63 KB)。

【运行或处理环境】
仓库文件元数据合计 1.10 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 563.89 MB;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“modified-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 · 2026-07-26 00:51

Towards Scalable Pre-training of Visual Tokenizers for Generation Jingfeng Yao 1 , Yuda Song 2 , Yucong Zhou 2 , Xinggang Wang 1,* 1 Huazhong University of Science and Technology 2 MiniMax Corresponding author: xgwang@hust.edu.cn Work still in Progress.*** News **[2025.12.16]** We have released our technical report and pretrained weights. Takeaways By integrating contrastive, self-supervised, and reconstruction learning, we have trained numerous visual tokenizers from scratch. We are seeking to unveil the novel scalability interlinking understanding, generation, and reconstruction. **Same FLOPs in DiT Training, VTP scaling helps better generation.** **Traditional auto-encoders CANNOT be scaled up for diffusion generative models.** **Understanding is the key driver for improving the learnability scaling.** **Parameter, data and training scalability can be seen while representation learning involved.** Get Checkpoints | Checkpoints | |-------| | | | | | | Weights will be released very soon. 🚀 Click Here to Quick Start Performance Model Understanding Reconstruction Generation Zero-shot Acc. Linear Probing rFID LightningDiT-XL 80ep nocfg FID-50K OpenCLIP 74.0 - - - CLIP 75.5 - - - SigLIP 80.5 - - - MAE - 85.9 - - DINOv2 - 86.7 - - UniTok 70.8 - 0.41 - VILA-U 73.3 - 1.80 - VA-VAE-f16d32 - - 0.28 4.29 VA-VAE-f16d64 - - 0.15 - RAE-f16d768 - 84.5 0.57 4.28 VTP-S-f16d64 (ours) 66.7 77.5 0.98 5.46 VTP-B-f16d64 (ours) 73.2 81.0 0.74 3.88 VTP-L-f16d64 (ours) 78.2 85.7 0.36 2.81 Introduction The quality of the latent space in visual tokenizers (e.g., VAEs) is crucial for modern generative models. However, the standard reconstruction-based training paradigm produces a latent space that is biased towards low-level information, leading to a foundation flaw: better pixel-level accuracy does not lead to higher-quality generation. This implies that pouring extensive compute into visual tokenizer pre-training translates poorly to improved performance in generation. We identify this as

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

适合在真实样本上评估上游卡片所列任务能力,并比较质量、时延和资源消耗。 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:21fe3a9cb53f。 任务标签:上游卡片所列任务。 语言字段:en。 架构:VTPModel。 上游 Safetensors 元数据显示参数量约 295.64 M。 库标记:transformers。 模型类型字段:vtp。 上游页面记录的最近更新时间:2025-12-16。

文件说明

上游 API 返回 9 个文件,文件元数据合计 1.10 GB。 已保存文件清单中的主要扩展名:.png 5 个、.json 1 个、.md 1 个、.safetensors 1 个、无扩展名 1 个。 当前较大的文件包括:model.safetensors(1.10 GB);figures/logo.png(1013.19 KB);figures/scaling_v2.png(604.63 KB)。

上游文件元数据

  • .gitattributes1.52 KB
  • config.json1.24 KB
  • figures/abs.png158.13 KB
  • figures/dog.png153.84 KB
  • figures/logo.png1013.19 KB
  • figures/overview.png334.29 KB
  • figures/scaling_v2.png604.63 KB
  • model.safetensors1.10 GB
  • README.md13.21 KB

硬件建议

仓库文件元数据合计 1.10 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 563.89 MB;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“modified-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。