Spotlight

Spotlight — это модель обработки изображений и текста с 7 миллиардами параметров, созданная на основе Qwen 2.5‑VL и доработанная Arcee AI для задач точного связывания изображений и текста. Она предлагает контекстное окно на 32 000 токенов, что позволяет вести богатые мультимодальные беседы, объединяющие длинные документы с одним или несколькими изображениями. Обучение было сосредоточено на быстром выводе на потребительских GPU при сохранении высокой точности в задачах создания подписей, визуального ответа на вопросы и анализа диаграмм. В результате Spotlight легко интегрируется в рабочие процессы агентов, где необходимо быстро интерпретировать скриншоты, диаграммы или макеты пользовательского интерфейса. Ранние тесты показывают, что она сопоставима или превосходит более крупные VLM, такие как LLaVA‑1.6 13 B, в популярных тестах на визуальные вопросы и POPE.