gemma-4-26B-A4B-it-assistant
google · 工具包
在推测解码里充当多词元预测草稿模型,加快 Gemma 4 26B A4B 的文本生成。适合想降低延迟、同时保持与标准生成相同输出质量的开发者。
基于 Qwen3.5-0.8B 的小型视觉语言模型,来自一个面向多种虚拟游戏世界中具身智能体的持续预训练研究项目。适合研究游戏智能体的研究者。
GameScaling 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download THUSI-Lab/GameScaling
GameScaling 是 THUSI-Lab 的图像文本到文本模型,基于 Qwen3.5-0.8B 构建。它属于一个叫 Scaling in Games 的研究项目,该项目研究让智能体适应多样虚拟世界的持续预训练。作者来自 miHoYo、清华大学和其他机构,页面列出了几种规格,带有 S1 和 S3 标记。
研究具身智能体和游戏环境、想从一个小型视觉语言模型出发的研究者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 游戏 AI | 研究游戏智能体的团队 | 从针对虚拟世界调过的小型视觉语言模型出发 | 输入一张游戏截图和一条指令 |
| 具身智能研究 | 学术实验室 | 研究跨多个世界的持续预训练 | 比较 0.8B 和 2B 规格 |
| 机器学习教育 | 学生 | 阅读与已发表论文相关的小模型 | 下载后查看文件 |
如果你想要现成的聊天模型,可以跳过它,因为这里看到的模型卡几乎没有运行步骤。
| 用途 | 适合谁 | 得到什么 |
|---|---|---|
| 图像加文本提示 | 研究者 | 读取图像和问题后的文本回复 |
| 规格比较 | 做实验的人 | 0.8B 或 2B 版本的结果 |
| 智能体研究 | 游戏 AI 团队 | 需要在虚拟世界中行动的智能体的基础 |
你需要 Python 和 transformers 库。这里展示的模型卡部分没有运行步骤,请按模型页面和项目代码仓库获取确切的加载代码。
pip install -U huggingface_hub hf download THUSI-Lab/GameScaling
你给模型一张图像和一段文本提示,它返回文本。这里用到的模型卡部分没有给出确切的提示格式,所以在使用前请先查看模型页面。
你发送一张游戏截图,并问“What should the character do next?”。模型会用文字回复。模型卡没有给出示例,所以这类回答的质量这里没有验证。
如果你是新手,先下载文件并阅读模型页面,再尝试运行。这是研究发布,所以要有读代码的心理准备。
对专家来说,基础模型是 Qwen3.5-0.8B,项目名称指向用游戏数据扩展具身智能体的预训练。同系列发布有 0.8B 和 2B 规格,带 S1 和 S3 标记。这里看到的模型卡没有解释这些标记。
基于 Qwen3.5-0.8B 的小型视觉语言模型,来自一个面向多种虚拟游戏世界中具身智能体的持续预训练研究项目。适合研究游戏智能体的研究者。
由 THUSI-Lab 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:GameScaling 是 THUSI-Lab 的图像文本到文本模型,基于 Qwen3.5-0.8B 构建。它属于一个叫 Scaling in Games 的研究项目,该项目研究让智能体适应多样虚拟世界的持续预训练。作者来自 miHoYo、清华大学和其他机构,页面列出了几种规格,带有 S1 和 S3 标记。
适合谁:研究具身智能体和游戏环境、想从一个小型视觉语言模型出发的研究者。
行业 | 谁在用 | 怎么用 | 例子
游戏 AI | 研究游戏智能体的团队 | 从针对虚拟世界调过的小型视觉语言模型出发 | 输入一张游戏截图和一条指令
具身智能研究 | 学术实验室 | 研究跨多个世界的持续预训练 | 比较 0.8B 和 2B 规格
机器学习教育 | 学生 | 阅读与已发表论文相关的小模型 | 下载后查看文件
如果你想要现成的聊天模型,可以跳过它,因为这里看到的模型卡几乎没有运行步骤。
用在哪里:
用途 | 适合谁 | 得到什么
图像加文本提示 | 研究者 | 读取图像和问题后的文本回复
规格比较 | 做实验的人 | 0.8B 或 2B 版本的结果
智能体研究 | 游戏 AI 团队 | 需要在虚拟世界中行动的智能体的基础
如何设置:你需要 Python 和 transformers 库。这里展示的模型卡部分没有运行步骤,请按模型页面和项目代码仓库获取确切的加载代码。
pip install -U huggingface_hub
hf download THUSI-Lab/GameScaling
如何使用:你给模型一张图像和一段文本提示,它返回文本。这里用到的模型卡部分没有给出确切的提示格式,所以在使用前请先查看模型页面。
示例:你发送一张游戏截图,并问“What should the character do next?”。模型会用文字回复。模型卡没有给出示例,所以这类回答的质量这里没有验证。
新手与专家:如果你是新手,先下载文件并阅读模型页面,再尝试运行。这是研究发布,所以要有读代码的心理准备。
对专家来说,基础模型是 Qwen3.5-0.8B,项目名称指向用游戏数据扩展具身智能体的预训练。同系列发布有 0.8B 和 2B 规格,带 S1 和 S3 标记。这里看到的模型卡没有解释这些标记。
游戏图像和文本提示
基于 Qwen3.5-0.8B 的模型
文本回复
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download THUSI-Lab/GameScaling
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| GameScaling 本页 | 635 | 65 | — | apache-2.0 | |
| Qwen3.8-27B共有 qwen3_5 · image-text-to-text · transformers | 6,960,395 | 19,795 | 27.8B | apache-2.0 | |
| Qwen3.5-9B共有 qwen3_5 · image-text-to-text · transformers | 6,259,809 | 2,353 | 9.7B | apache-2.0 | |
| Qwen3.8-27B-FP8共有 qwen3_5 · image-text-to-text · transformers | 5,442,810 | 984 | 27.8B | apache-2.0 | |
| Qwen3.5-4B共有 qwen3_5 · image-text-to-text · transformers | 5,083,722 | 1,226 | 4.7B | apache-2.0 | |
| Qwen3.5-2B共有 qwen3_5 · image-text-to-text · transformers | 4,044,746 | 479 | 2.3B | apache-2.0 |
google · 工具包
在推测解码里充当多词元预测草稿模型,加快 Gemma 4 26B A4B 的文本生成。适合想降低延迟、同时保持与标准生成相同输出质量的开发者。
kandinskylab · 工具包
用一帧参考画面和一段语音生成头像视频,按每段 5 秒分块生成。是 Kandinsky S2V 1.0 流程的 Gradio 演示,适合视频和头像开发者。
gaia-benchmark · 工具包
展示围绕 GAIA 数据集建立的排行榜,让人们在同一个基准上比较 AI 系统。这是 gaia-benchmark 团队的 Gradio 应用。
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
prithivMLmods · 工具包
提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。
Phips · 工具包
用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。