Kimi VL A3B Thinking

Kimi-VL — это легковесная модель типа Mixture-of-Experts для работы с изображениями и текстом, которая активирует всего 2,8 миллиарда параметров на шаг, обеспечивая при этом высокую производительность в задачах мультимодального рассуждения и работы с длинным контекстом. Вариант Kimi-VL-A3B-Thinking, дообученный с использованием метода цепочки рассуждений и обучения с подкреплением, превосходит в тестах на математическое и визуальное мышление, таких как MathVision, MMMU и MathVista, соперничая с гораздо более крупными моделями, такими как Qwen2.5-VL-7B и Gemma-3-12B. Он поддерживает контекст объемом 128K и входные данные высокого разрешения благодаря своему энкодеру MoonViT.