AIwiki

CogVLM2

ベースモデル
開発者
Zhipu AI / Tsinghua University
ライセンス
Apache 2.0 + Model License
リリース日
2024/5/1
コンテキスト長
8,192 トークン
対応言語
zh, en
officialmultimodalvisionvideo

GPT-4Vに匹敵するマルチモーダルモデル。Llama-3-8B-Instructベース。最大1344×1344解像度対応。2×2ダウンサンプリングとVisual Expertを継承。動画理解版（CogVLM2-Video）も提供。

HuggingFace論文GitHub

技術仕様

アーキテクチャ

Llama-3-8B-Instruct + Visual Expert + 2×2 Downsampling

パラメータバリエーション

CogVLM2-Llama3-Chat-19B(19B)

HuggingFace

Llama-3-8B-Instructベースの対話版。1344×1344解像度対応。

VRAM40GB
RAM64GB

GGUFファイルは登録されていません

CogVLM2-Video-Llama3-Chat(19B)

HuggingFace

動画理解版。タイムスタンプ付きフレーム入力に対応。

VRAM40GB
RAM64GB

GGUFファイルは登録されていません

関連モデル

CodeGeeX

1 バリエーション

GLM-130B

3 バリエーション

ChatGLM-6B

4 バリエーション

ChatGLM2-6B

3 バリエーション

CodeGeeX2-6B

2 バリエーション

ChatGLM3-6B

4 バリエーション

CogVLM

3 バリエーション

CogAgent

2 バリエーション

GLM-4-9B

3 バリエーション

GLM-4V-9B

2 バリエーション

CodeGeeX4-ALL-9B

1 バリエーション

GLM-4-32B-0414

2 バリエーション

GLM-Z1

3 バリエーション

GLM-4.5

3 バリエーション

GLM-4.6

2 バリエーション

GLM-4.7

2 バリエーション

家系図

現在のモデル: CogVLM2