本文へスキップ

Bunny

差し替え可能なエンコーダを備えた軽量マルチモーダルモデル

公式サイトを見る
カテゴリ AIモデル

Bunny とは

Bunny は軽量ながら高性能なマルチモーダルモデルの系列と紹介され、差し替えて使える視覚エンコーダと言語の土台を備えると説明されている。

できること

  • 画像とテキストを組み合わせて理解する
  • チャットボットに画像理解を加える
  • マルチモーダル処理の土台として使う

モデルについて

  • 視覚エンコーダに EVA-CLIP と SigLIP
  • 言語の土台に Llama-3-8B と Phi-1.5
  • 資料は Bunny-v1.0-3B を 7B や 13B と比べる

長所と短所

✓ 良い点

  • エンコーダと土台に複数の選択肢がある
  • HuggingFace と ModelScope でモデルを探せる

! 注意したい点

  • 豊富な訓練データで小型化を補う
  • 挙がるモデルは 3B と 8B の系統が中心

よくある質問

どんなエンコーダが挙がる?

資料は視覚エンコーダの選択肢に EVA-CLIP と SigLIP を挙げる。

モデルの詳細はどこで?

資料は HuggingFace と ModelScope などの配布先を挙げる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法