模型

Kimi-VL-A3B-Thinking-2506

moonshotai/Kimi-VL-A3B-Thinking-2506

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:aa1730989e75

中文简介

moonshotai/Kimi-VL-A3B-Thinking-2506 是 moonshotai 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、文本生成与推理。本站固定记录上游版本 aa1730989e75,同步到 27 个文件,文件元数据合计 30.57 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 moonshotai/Kimi-VL-A3B-Thinking-2506 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】
moonshotai/Kimi-VL-A3B-Thinking-2506 是 moonshotai 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、文本生成与推理。本站固定记录上游版本 aa1730989e75,同步到 27 个文件,文件元数据合计 30.57 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:aa1730989e75。 任务标签:图文理解与多模态生成、文本生成与推理。 架构:KimiVLForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 16.41 B。 库标记:transformers。 模型类型字段:kimi_vl。 上游标注的基础模型:moonshotai/Kimi-VL-A3B-Instruct。 上游页面记录的最近更新时间:2026-01-30。

【文件信息】
上游 API 返回 27 个文件,文件元数据合计 30.57 GB。 已保存文件清单中的主要扩展名:.safetensors 7 个、.png 6 个、.json 5 个、.py 5 个、.jinja 1 个、.md 1 个。 当前较大的文件包括:model-00005-of-00007.safetensors(4.65 GB);model-00004-of-00007.safetensors(4.65 GB);model-00003-of-00007.safetensors(4.65 GB)。

【运行或处理环境】
仓库文件元数据合计 30.57 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 30.56 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 · 2026-07-24 01:09

[!Note] This is an improved version of Kimi-VL-A3B-Thinking. Please consider using this updated model instead of the previous version. [!Note] Please visit our tech blog for recommended inference recipe of this model: Kimi-VL-A3B-Thinking-2506: A Quick Navigation 📄 Tech Report  |  📄 Github  |  💬 Chat Web 1. Introduction This is an updated version of Kimi-VL-A3B-Thinking, with following improved abilities: **It Thinks Smarter while Consuming Less Tokens**: The 2506 version reaches better accuracy on multimodal reasoning benchmarks: 56.9 on MathVision (+20.1), 80.1 on MathVista (+8.4), 46.3 on MMMU-Pro (+3.3), 64.0 on MMMU (+2.1), while in average requires 20\% reduced thinking length. **It Sees Clearer with Thinking**: Unlike the previous version that specializes on thinking tasks, the 2506 version can also achieve the same or even better ability on general visual perception and understanding, e.g. MMBench-EN-v1.1 (84.4), MMStar (70.4), RealWorldQA (70.0), MMVet (78.4), surpassing or matching abilties of our non-thinking model (Kimi-VL-A3B-Instruct). **It Extends to Video Scenarios**: The new 2506 version also improves on video reasoning and understanding benchmarks. It sets new state-of-the-art for open-source models on VideoMMMU (65.2), while also retains good ability on general video understanding (71.9 on Video-MME, matching Kimi-VL-A3B-Instruct). **It Extends to Higher Resolution**: The new 2506 version supports 3.2 million total pixels in a single image, 4X compared to the previous version. This leads to non-trivial improvements on high-resolution perception and OS-agent grounding benchmarks: 83.2 on V* Benchmark (without extra tools), 52.8 on ScreenSpot-Pro, 52.5 on OSWorld-G (full set with refusal). 2. Performance Comparison with efficient models and two previous versions of Kimi-VL (*Results of GPT-4o is for reference here, and shown in italics ): | Benchmark (Metric) | GPT-4o | Qwen2.5-VL-7B | Gemma3-12B-IT | Kimi-VL-A3B-Instruct | Kimi-

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:aa1730989e75。 任务标签:图文理解与多模态生成、文本生成与推理。 架构:KimiVLForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 16.41 B。 库标记:transformers。 模型类型字段:kimi_vl。 上游标注的基础模型:moonshotai/Kimi-VL-A3B-Instruct。 上游页面记录的最近更新时间:2026-01-30。

文件说明

上游 API 返回 27 个文件,文件元数据合计 30.57 GB。 已保存文件清单中的主要扩展名:.safetensors 7 个、.png 6 个、.json 5 个、.py 5 个、.jinja 1 个、.md 1 个。 当前较大的文件包括:model-00005-of-00007.safetensors(4.65 GB);model-00004-of-00007.safetensors(4.65 GB);model-00003-of-00007.safetensors(4.65 GB)。

上游文件元数据

  • .gitattributes1.76 KB
  • chat_template.jinja1.01 KB
  • config.json1.96 KB
  • configuration_kimi_vl.py12.84 KB
  • figures/arch.png626.33 KB
  • figures/demo1.png217.80 KB
  • figures/demo2.png257.82 KB
  • figures/logo.png1.65 KB
  • figures/screenshot.png807.60 KB
  • figures/thinking_perf.png221.85 KB
  • generation_config.json149 B
  • image_processing_kimi_vl.py4.57 KB

硬件建议

仓库文件元数据合计 30.57 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 30.56 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。