granite-vision-3.3-2b
IBM · ibm-granite/granite-vision-3.3-2b
Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos
Qualidade
Sem score comparável
Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.
Informado pelo publicador
- ChartQA
- 0,87Document benchmarks
- DocVQA
- 0,91Document benchmarks
- TextVQA
- 0,80Document benchmarks
- AI2D
- 0,77Document benchmarks
- InfoVQA
- 0,68Document benchmarks
- OCRBench
- 0,79Document benchmarks
- LiveXiv VQA v2
- 0,61Document benchmarks
- LiveXiv TQA v2
- 0,52Document benchmarks
Todos os resultados informados
- MMMU
- 0,37Other benchmarks
- VQAv2
- 0,79Other benchmarks
- RealWorldQA
- 0,63Other benchmarks
- VizWiz VQA
- 0,62Other benchmarks
- OK VQA
- 0,55Other benchmarks
- Politics
- 8,0Safety Evaluation
- Racial
- 8,1Safety Evaluation
- Jailbreak
- 7,5Safety Evaluation
- Mislead
- 8,0Safety Evaluation
- Unsafe Images (Unsafe)
- 8,4Safety Evaluation
- Safe Images with Unsafe Instructions
- 9,3Safety Evaluation
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Generation: › Safety Evaluation); coluna “Granite-vision-3.3-2b”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Roda em
Cabe na memória rápida 118
A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.
Mostrar todos os 118
Na memória, fora da parte rápida 1
Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.
Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Não é compatibilidade nem velocidade medida.
IBM lançou granite-vision-3.3-2b em 2025-06-11: um modelo de imagem para texto, com 3B parâmetros pela contagem do Hugging Face e licença Apache 2.0. Idiomas declarados pelo publicador: en.
Licença: uso comercial permitido. Em Q4 os pesos somam cerca de 2,3 GB antes da reserva de cada máquina; resolução da imagem, quadros de vídeo e contexto somam memória, e o encoder visual precisa de suporte no runtime escolhido.
Velocidade medida
Nenhuma medição publicada para este checkpoint
Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.
Como rodar
Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.
Formas documentadas de rodar
Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.
pip install transformers>=4.49from transformers import AutoProcessor, AutoModelForVision2Seq
from huggingface_hub import hf_hub_download
import torch
device = "cuda" if torch.cuda.is_available() else "cpu"
model_path = "ibm-granite/granite-vision-3.3-2b"
processor = AutoProcessor.from_pretrained(model_path)
model = AutoModelForVision2Seq.from_pretrained(model_path).to(device)
# prepare image and text prompt, using the appropriate prompt template
img_path = hf_hub_download(repo_id=model_path, filename='example.png')
conversation = [
{
"role": "user",
"content": [
{"type": "image", "url": img_path},
{"type": "text", "text": "What is the highest scoring model on ChartQA and what is its score?"},
],
},
]
inputs = processor.apply_chat_template(
conversation,
add_generation_prompt=True,
tokenize=True,
return_dict=True,
return_tensors="pt"
).to(device)
# autoregressively complete prompt
output = model.generate(**inputs, max_new_tokens=100)
print(processor.decode(output[0], skip_special_tokens=True))pip install torch torchvision torchaudio
pip install vllm==0.6.6from vllm import LLM, SamplingParams
from vllm.assets.image import ImageAsset
from huggingface_hub import hf_hub_download
from PIL import Image
model_path = "ibm-granite/granite-vision-3.3-2b"
model = LLM(
model=model_path,
)
sampling_params = SamplingParams(
temperature=0.2,
max_tokens=64,
)
# Define the question we want to answer and format the prompt
image_token = "<image>"
system_prompt = "<|system|>\nA chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions.\n"
question = "What is the highest scoring model on ChartQA and what is its score?"
prompt = f"{system_prompt}<|user|>\n{image_token}\n{question}\n<|assistant|>\n"
img_path = hf_hub_download(repo_id=model_path, filename='example.png')
image = Image.open(img_path).convert("RGB")
print(image)
# Build the inputs to vLLM; the image is passed as `multi_modal_data`.
inputs = {
"prompt": prompt,
"multi_modal_data": {
"image": image,
}
}
outputs = model.generate(inputs, sampling_params=sampling_params)
print(f"Generated text: {outputs[0].outputs[0].text}")Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- ibm-granite/granite-vision-3.3-2b
- Tarefa
- image-to-text
- Arquitetura
- LlavaNextForConditionalGeneration
- Licença dos pesos
- Apache 2.0ibm-granite/granite-vision-3.3-2b model card (Hugging Face) · consultado em 2026-10-18fonte
- Uso comercial
- Permitido Apache License 2.0 text (SPDX) · consultado em 2026-10-18texto da licença
- Idiomas
- en Declaração do publicador · consultado em 2026-10-18fonte
- Lançamento
- granite-vision-3.3-2b model card (Hugging Face, IBM) · consultado em 2026-10-18fonte
Todos os campos guardados
- Revisão conferida
- bf66a8244401a8e26d2ff429aa82df8550a289e5
- Arquitetura
- LlavaNextForConditionalGeneration
- Tag de tarefa no Hub
- image-to-text
- Formatos
- safetensors
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Repositório criado
- 2025-06-03criação não é o lançamento do modelo
- Repositório atualizado
- 2026-04-02um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 195.462 · 88só este repositório · lido em 2026-10-25
- Estado no catálogo
- Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Ficha do publicador
- Licença: ibm-granite/granite-vision-3.3-2b model card (Hugging Face)
- Data de lançamento: granite-vision-3.3-2b model card (Hugging Face, IBM)
Fatos curados verificados: 2026-10-18. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.






























































