Un utente della community LocalLLaMA ha espresso la propria delusione per il modello Youtu-VL-4B-Instruct di Tencent, dopo averlo trovato incompleto nonostante le promesse di funzionalità avanzate nel campo della visione artificiale.

Implementazione incompleta

Il modello, pubblicizzato su Hugging Face come soluzione all'avanguardia (SOTA) per object detection, semantic segmentation e grounding, si è rivelato in realtà una versione base in grado di descrivere il contenuto delle immagini, ma priva delle funzionalità avanzate promesse. L'utente ha scoperto che le funzionalità mancanti erano elencate come "TODO" su GitHub e menzionate in una discussione relativa a un altro modello.

Licenza d'uso restrittiva

Oltre alle mancanze nel codice, la licenza d'uso del modello vieta esplicitamente l'utilizzo all'interno dell'Unione Europea. Questo, combinato con lo stato incompleto del modello, ha portato l'utente a sconsigliarne l'utilizzo, avvertendo altri dello spreco di tempo potenziale.

Chi valuta il deployment di modelli di questo tipo, specialmente in ambienti con requisiti di sovranità dei dati, può trovare utili i framework analitici offerti da AI-RADAR su /llm-onpremise per valutare i trade-off tra diverse opzioni.