Molmo-72B-0924
Ai2 · allenai/Molmo-72B-0924
Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos
Qualidade
Qualidade · LMArena · visão
LMArena 2026-10-19 · preferência humana · maior é melhor · este modelo em destaque
- Cor = publicador
Fonte: LMArena 2026-10-19 · coletado 2026-10-25 · dataset · CC BY 4.0 · modelos sem pontuação não aparecem (sem pontuação ≠ 0)
1.045 ± 13 · LMArena · visão · Intervalo de confiança 1.032–1.058 · 3.048 votos
Informado pelo publicador
Qualidade × memória
Sem par qualidade × memória comparável
Este registro não tem nota em um benchmark comparado com memória de planejamento.
Ai2 lançou Molmo-72B-0924 em 2024-09-24: um modelo de visão e linguagem que responde sobre imagens, com 73,3B 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 55 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.
Roda em
Cabe na memória rápida 17
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 17
Na memória, fora da parte rápida 6
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.
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.
Biblioteca na fonte: transformers
Formas documentadas de rodar
Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.
pip install einops torchvisionfrom transformers import AutoModelForCausalLM, AutoProcessor, GenerationConfig
from PIL import Image
import requests
import torch
# load the processor
processor = AutoProcessor.from_pretrained(
'allenai/Molmo-72B-0924',
trust_remote_code=True,
torch_dtype='auto',
device_map='auto'
)
# load the model
model = AutoModelForCausalLM.from_pretrained(
'allenai/Molmo-72B-0924',
trust_remote_code=True,
torch_dtype='auto',
device_map='auto'
)
# process the image and text
inputs = processor.process(
images=[Image.open(requests.get("https://picsum.photos/id/237/536/354", stream=True).raw)],
text="Describe this image."
)
# move inputs to the correct device and make a batch of size 1
inputs = {k: v.to(model.device).unsqueeze(0) for k, v in inputs.items()}
# generate output; maximum 200 new tokens; stop generation when <|endoftext|> is generated
output = model.generate_from_batch(
inputs,
GenerationConfig(max_new_tokens=200, stop_strings="<|endoftext|>"),
tokenizer=processor.tokenizer
)
# only get generated tokens; decode them to text
generated_tokens = output[0,inputs['input_ids'].size(1):]
generated_text = processor.tokenizer.decode(generated_tokens, skip_special_tokens=True)
# print the generated text
print(generated_text)
# >>> This image features an adorable black Labrador puppy sitting on a wooden deck.
# The puppy is positioned in the center of the frame, looking up at the camera...Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- allenai/Molmo-72B-0924
- Tarefa
- image-text-to-text
- Arquitetura
- MolmoForCausalLM
- Biblioteca na fonte
- transformers
- Licença dos pesos
- Apache 2.0allenai/Molmo-72B-0924 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
- enMetadados do model card · consultado em 2026-10-25fonte
- Lançamento
- Molmo README news, '2024/09/24 ... Molmo ... has been released' (allenai/molmo GitHub) · consultado em 2026-10-18fonte
Todos os campos guardados
- Revisão conferida
- ab586dd9640de059566975b8e5bcd0c6fdc73956
- Arquitetura
- MolmoForCausalLM
- Biblioteca
- transformers
- Tag de tarefa no Hub
- image-text-to-text
- Modelos base declarados
- openai/clip-vit-large-patch14-336 · Qwen/Qwen2-72B
- Formatos
- transformers, safetensors
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Parâmetros no Hub
- 73.308.285.952safetensors.total
- Repositório criado
- 2024-09-25criação não é o lançamento do modelo
- Repositório atualizado
- 2025-10-09um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 7.952 · 300só 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: allenai/Molmo-72B-0924 model card (Hugging Face)
- Data de lançamento: Molmo README news, '2024/09/24 ... Molmo ... has been released' (allenai/molmo GitHub)
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.













