Vela 3.0 · Studio

Vela 3.0 · Studio

用一个在 CPU 上运行的 0.25B 小型编码器回答关于图像或文本的问题：指出物体、提取字段、找出 OCR 错误或在选项间做判断。适合想试用这个模型的开发者。

由 vllm-sr 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Vela 3.0 Studio 是一个用来试用 vela3-fast-vision 模型的页面。你给它一张图片或一些文本，模型在 CPU 上实时作答。这个模型是编码器，所以它只回答关于你所给内容的问题，不会写文本。每个问题会在三个基于 UltraVBERT 的主干之一上运行。

适合谁：想试用小型视觉与文本模型来做文档检查的开发者和研究者，以及需要快速得到图像答案的人。

Industry | Who uses it | How they use it | Example
文档处理 | 开发者 | 把扫描发票里的字段提取成结构化数据 | 把发票图像交给提取标签页
财务运营 | 审核人员 | 对照原图检查 OCR 输出 | 高亮显示图像不支持的字符
研究 | 视觉研究者 | 探究小型编码器如何处理指点和判断 | 在图片中说出一个物体并查看方框

如果你想要一个能写作或聊天的模型，可以跳过它，因为这个模型只回答问题。

用在哪里：

• 网页浏览器，在 Hugging Face 上这个 Space 自己的页面里
• 调用该应用 API 的脚本或工具，页面会用 curl 和 Python 的形式展示
• 在你自己的电脑上运行副本，用 Windows、macOS 或 Linux 上的 Docker

Use case | Who | What they get back
指出物体 | 手里有图片的人 | 围住所说物体的一个方框及其最强的单元格
从图像提取 | 开发者 | 文档的字段和值，格式为 JSON
找出 OCR 错误 | 审核人员 | 被高亮标出的、图像不支持的字符

如何设置：

• 浏览器，如果你只在线使用这个 Space
• Docker 以及带 pip 的 Python，如果你自己运行副本

1. 打开 Hugging Face 上这个 Space 的页面即可在线使用，不用安装任何东西。
2. 想在本地运行，先安装 huggingface_hub 包，再下载这个 Space 的文件。
3. 进入新文件夹，构建 Docker 镜像。
4. 运行镜像，并开放 7860 端口。

pip install -U huggingface_hub
hf download vllm-sr/vela3-studio --repo-type space --local-dir vela3-studio
cd vela3-studio
docker build -t vela3-studio .
docker run -it -p 7860:7860 vela3-studio

如何使用：选一个标签页，加入图像或文本，然后提出你的问题。每个标签页都带有马上加载的已保存示例输出，另有一个选项会把你自己的输入交给模型处理。

Tool | What it does
Point at it | 在图片中找出你说的物体，并返回一个方框
Extract from images | 把图像变成 JSON 格式的字段和值
Catch OCR mistakes | 高亮显示 OCR 输出中图像不支持的字符
Decide | 针对关于图像的选择题，给出每个选项的概率
Text spans | 找出个人数据、命名实体和来源文本不支持的说法

示例：你上传一张扫描件，并列出几个选项，问 "What type of document is this?"。判断标签页会给出每个选项的概率。

新手与专家：如果你是新手，先打开 Point at it 标签页，说出其中一张图片里的某样东西。你会得到一个方框和一张热力图，显示模型看了哪里。

对专家来说，一个蒸馏出的决策主干负责回答选择题和是非题。第二个主干带有方框适配器。保持原样的原始主干持有 OCR 检查、图像幻觉和文本的适配器。每个问题只花一次 0.25B 的计算。提取时由 Tesseract 读取文字，来源说任何 OCR 引擎都可以。

上传图像或粘贴文本
选一个标签页并提问
三个主干之一给出答案
答案显示在页面上

注意事项：

• License: apache-2
• Cost to run: 未提及，它运行在 Hugging Face 的基础 CPU 硬件上
• Data it reaches: 你提供的图像和文本，以及 Tesseract 从图像中读出的文字
• Not for: 写作或生成文本，因为它只回答问题
• 来源报告的这些分数来自它自己的运行，不是榜单成绩

Title: 区域指点，BoxSet-test v2 上的平均 IoU
Vela 3.0 fast vision: 44.1 IoU
27B 开发版本: 44.2 IoU

Hugging Face 上的数据（2026年11月13日）

• 点赞：9
• 构建方式：docker
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/vllm-sr/vela3-studio
• 文件：https://huggingface.co/spaces/vllm-sr/vela3-studio/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。