近30天源站下载量
465
参数
1B
上下文
未说明
架构 / 任务
text-generation
许可证
未声明
MODEL POSITIONING
这个模型解决什么问题？
TIPOv2-1B-A200M 由 KBlueLeaf 发布，定位为文生图提示词前处理器，采用 KohakUwU MoE 稀疏解码器架构，1B 总参数中每 token 仅激活约 193M；模型卡未说明通用对话或指令遵循能力，建议主要在扩散模型流水线里使用。建模数据覆盖 Danbooru、Nozomi、CC12M、CoyoHD-11M、LAION-COCO-13M，同时具备标签风格与通用自然语言风格的扩写能力。量化仓库仅提供 F16 与 Q8_0 两档 GGUF 文件；运行工具已支持 Ollama、LM Studio 与 llama.cpp 三种本地推理路径。
更适合谁
- 使用 Stable Diffusion 等扩散模型生成图像的画师
- 习惯 Danbooru 标签写法的二次元 AI 绘画玩家
- 想把简短中文或英文输入自动补全为长描述的 AI 绘画爱好者
典型使用场景
- 在扩散模型采样前补全提示词细节
- 把自然语言短句改写成 Danbooru 风格的标签序列
- 为 Stable Diffusion WebUI 提供预处理后的扩展提示词
- 自动生成画作的质量、构图比例等元数据信息
SOURCE-BASED CAPABILITIES
模型卡透露的核心特点
T2I 提示词扩写
在扩散模型前把短提示词展开为详细长描述，提升出图细节
稀疏 MoE 高效推理
1B 总参数中每 token 仅激活约 193M，运行成本低于同规模稠密模型
双风格数据覆盖
同时学习 Danbooru 标签体系与 CoyoHD、LAION-COCO 等通用自然语言
多任务控制
支持标签转长描述、长描述转标签、短描述互转等多种生成任务
元数据补全
可预测 quality、rating、artist、characters 等额外元数据字段
按当前权重估算的硬件准备
- 现有 GGUF 文件中，最低显存估算约 1.5 GB
- 为上下文缓存、系统进程和并发请求预留额外内存，不要只按模型文件大小配置设备。
量化版本怎么选
- 来源仅发布 F16 与 Q8_0 两档 GGUF，未提供 Q4、Q2 等更激进的量化版本
- 显存紧张的设备建议选择 Q8_0，体积与质量折中较好
- 显存充足并追求稳定输出时优先选 F16，避免二次量化损失
- 若追求极致压缩，需要自行使用 llama.cpp 工具链做二次量化
GGUF VARIANTS
量化版本与硬件要求
HARDWARE MATCH
哪些显卡或设备更适合运行？
按当前最小量化文件估算，至少需要 1.5GB 显存；如果希望为运行框架和上下文保留余量，优先参考推荐显存 2.5GB。
阅读 4GB 显存选型指南 →可以怎样运行
- Ollama 已支持，可直接拉取 1B GGUF 权重本地运行
- LM Studio 已支持，加载 Q8_0 或 F16 即可对话式扩写
- llama.cpp 兼容 F16 与 Q8_0 两档 GGUF，可命令行批处理
- transformers 加载需 trust_remote_code=True 以启用 Kohaku MoE 自定义建模代码
采用前要知道的限制
- 模型卡未说明通用对话或指令遵循能力，仅适合 T2I 提示词扩写场景
- 上下文窗口仅 4096 token，模型卡未说明长文档支持情况
- 控制符体系特殊，需熟悉其长度与任务 token 格式才能用好
- 训练语料偏英文与 Danbooru 标签，中文扩写效果来源未提供数据