Présentation
VTP-Large-f16d64 est un tokeniseur visuel préentraîné pour la recherche en compréhension, reconstruction et génération d’images. Le projet associe MiniMax et l’Université des sciences et technologies de Huazhong. Le préentraînement combine apprentissage contrastif image-texte, apprentissage autosupervisé et reconstruction. La fiche du modèle indique environ 0,7 milliard de paramètres. (github.com)
Capacités et usages
- Encodage d’images en représentations latentes et reconstruction par décodage.
- Extraction de caractéristiques visuelles et comparaison image-texte pour la classification sans exemple.
- Fourniture de représentations à des modèles de diffusion entraînés séparément, notamment pour la génération d’images conditionnée par classe ou par texte.
- Pour la variante Large, les auteurs rapportent un rFID de reconstruction de 0,36, une précision zéro-shot de 78,2 % et une précision par évaluation linéaire de 85,7 %, dans leurs conditions expérimentales. Ces résultats ne garantissent pas des performances identiques dans d’autres usages. (github.com)
Limites et licence
Il s’agit d’un composant de recherche, et non d’un générateur d’images autonome prêt à l’emploi : la génération évaluée utilise notamment un modèle de diffusion distinct. Le projet est présenté comme étant encore en cours. Les poids sont publiés sur la fiche officielle, même si une section du README conserve une indication contradictoire annonçant leur publication prochaine. (github.com)
La licence du dépôt est une licence MIT modifiée : elle prévoit notamment l’affichage visible de « MiniMax VTP » dans l’interface d’un produit ou service commercial utilisant le logiciel ou ses dérivés lorsqu’il dépasse 100 millions d’utilisateurs actifs mensuels ou 30 millions USD de revenus récurrents annuels. Consulter le texte complet avant utilisation ou redistribution. (github.com)
Date de publication
Le README annonce la publication du rapport technique et des poids préentraînés le 16 décembre 2025. (github.com)
Prix
Au 17 novembre 2026, aucun tarif officiel d’API propre à VTP-Large-f16d64, ni pour l’entrée ni pour la sortie, n’a pu être vérifié dans les aperçus tarifaires officiels chinois et international. Les poids publiés peuvent être utilisés conformément à leur licence, mais cela ne constitue pas un tarif de service hébergé. (platform.minimax.cn)