← Alle Modelle

VTP-Large-f16d64

Veröffentlicht Herausgeber MiniMax

Einordnung

VTP-Large-f16d64 ist ein visueller Tokenizer aus dem Forschungsprojekt „Towards Scalable Pre-training of Visual Tokenizers for Generation“ von MiniMax und der Huazhong University of Science and Technology. Er verbindet Bild-Text-Kontrastlernen, selbstüberwachtes Lernen und Bildrekonstruktion. Vortrainierte Gewichte und Code sind verfügbar. (github.com)

Fähigkeiten und Anwendungen

  • Kodiert Bilder in latente Repräsentationen und rekonstruiert sie; außerdem lassen sich Bild- und Textmerkmale sowie visuelle Merkmale für Klassifikationsaufgaben extrahieren.
  • Eignet sich als Bestandteil von Forschungspipelines für Bildverständnis, Rekonstruktion und latente Bildgenerierung. Für die Generierung wird ein zusätzliches generatives Modell benötigt; die offiziellen Experimente verwenden LightningDiT.
  • Für VTP-L berichtet MiniMax auf ImageNet 78,2 % Zero-Shot-Genauigkeit, 85,7 % Linear-Probing-Genauigkeit und einen Rekonstruktions-FID von 0,36. Diese Werte gelten für die beschriebenen Evaluationsbedingungen und sind keine allgemeine Leistungsgarantie. (github.com)

Einschränkungen und Lizenz

Das Projekt wird im Repository als laufende Forschungsarbeit bezeichnet. VTP ist kein eigenständiger Chatbot oder vollständiger Bildgenerator. Für lokale Nutzung sind Softwareabhängigkeiten und geeignete Rechenressourcen erforderlich. Die Repository-Lizenz enthält gegenüber der MIT-Lizenz eine zusätzliche Kennzeichnungspflicht für bestimmte große kommerzielle Produkte; die jeweils geltenden Bedingungen für Code und Gewichte sollten vor der Nutzung geprüft werden. (github.com)

Veröffentlichung

Am 16. Dezember 2025 meldete MiniMax die Veröffentlichung des technischen Berichts und vortrainierter Gewichte. (github.com)

Preise

Für dieses Modell konnten weder auf der offiziellen chinesischen Preisseite ein CNY/RMB-Preis noch auf der internationalen Preisseite ein USD-Preis für Eingabe oder Ausgabe verifiziert werden. Ein spezifisches API-Abrechnungsmodell ist daher nicht bestätigt; lokale Ausführung kann eigene Infrastrukturkosten verursachen. Abfrage: 17. November 2026. (platform.minimax.cn)

Offizielle Quellen