Ihre Privatsphäre ist uns wichtig

Wir verwenden Cookies, um Ihr Surferlebnis zu verbessern, Inhalte zu personalisieren und unseren Datenverkehr zu analysieren. Mit einem Klick auf „Alle akzeptieren“ stimmen Sie der Verwendung von Cookies zu. Cookie-Richtlinie

Weitere Optionen
Zum Inhalt springen
FacthoryFacthory
FacthoryFacthory
    • Arbeitsbereich
    • Agent
    • Wissen
    • Analysen
    • Office-Apps
    • Desktop
    Alle Funktionen
    Neuigkeiten
    Herunterladen
  • Nach Aufgabe

    • Wissensrisiko & Wissenslücken im Unternehmen
    • Wissenschaftliche Forschung & Experimente
    • Autonome Analytik & Erkenntnisgewinnung
    • Einsatzbereitschaft der Belegschaft & adaptives Lernen
    • SOP-Governance & betriebliche Standardisierung
    • Prozesserkennung und kontinuierliche Optimierung
    • Alle Lösungen

    Nach Branche

    • Fertigung
    • Automobil
    • Bau & Infrastruktur
    • Immobilien
    • Öffentlicher Sektor
    • Life Sciences
    • Alle Branchen
  • Facthory für

    • Regulierte Branchen
    • On-Premises
    • Entwickler

    Entdecken

    • Neuigkeiten
    • Blog
    • Fallstudien
    • Webinare
    • Modelle

    Lernen

    • Dokumentation
    • Hilfecenter
  • Preise
  • Download
AnmeldenJetzt starten
Alle Modellegoogle

siglip-so400m-patch14-384

zero-shot-image-classification
878 Mio. Parameter
apache-2.0
Dateien markiert

SigLIP ist ein multimodales Modell, ein visuelles Sprachmodell mit einer besseren Verlustfunktion als CLIP, auf WebLI bei 384x384-Auflösung vorgerüstet.

Auf Hugging Face ansehenMit anderen Modellen vergleichen

Steckbrief

Parameter

878 Mio.

Kontextlänge

nicht veröffentlicht

Architektur

SiglipModel

Aufbau

27 Schichten, versteckte Größe 1.152, 16 Attention-Heads, 16 Key-Value-Heads

Gewichte gespeichert als

float32

Aufgabe

zero-shot-image-classification

Sprachen

nicht veröffentlicht

Basiert auf

–

Veröffentlicht

08.01.2024

Zuletzt aktualisiert

26.09.2024

Downloads (letzte 30 Tage)

755.903

Lizenz und Zugang

Lizenz

apache-2.0

Zugang

Gewichte ohne Freigabe herunterladbar

Sicherheit

Sicherheitsscan von Hugging Face

Dateien markiert

1 Datei markiert; die schwerste Einstufung ist error.

  • README.md: error

Gewichtsdateien nach Format

Safetensors: 1
Pickle-basiert: 0
GGUF: 0
Andere Formate: 0
Pickle-basierte Dateien (.bin, .pt, .pth, .pkl, .ckpt) können beim Laden Code ausführen; Safetensors-Dateien nicht.

Prüfungen von Facthory

Automatisch
Erfüllt
Sichere Gewichtsformate

Alle Gewichtsdateien sind Safetensors oder GGUF.

Teilweise erfüllt
Malware- und Pickle-Scan des Hubs

Dateien markiert, keine davon als unsicher eingestuft.

Erfüllt
Eine angegebene Lizenz

Die Modellkarte gibt ihre Lizenz an.

GPU-Rechner

Wie viel Speicher dieses Modell bei einer Quantisierung, Kontextlänge und Zahl gleichzeitiger Sequenzen braucht, welche GPUs es aufnehmen und wie schnell es generieren kann. Schätzungen aus der veröffentlichten Größe und dem Aufbau des Modells, mit den Annahmen unten.

Gewichte

BF16 / FP16 (16 bit)
​

Kontext je Sequenz: 8K Token

Gleichzeitige Sequenzen: 1

KV-Cache

Speicher

3,1 GB

Gewichte: 1,8 GB

KV-Cache: 1 GB

Laufzeit: 0,3 GB

GPUSpeicherBenötigte GPUsJe SequenzAlle Sequenzen
NVIDIA L424 GB
1 ×
65 Token/s65 Token/s
NVIDIA L40S48 GB
1 ×
187 Token/s187 Token/s
NVIDIA RTX 6000 Ada48 GB
1 ×
208 Token/s208 Token/s
NVIDIA RTX PRO 6000 Blackwell96 GB
1 ×
387 Token/s387 Token/s
NVIDIA A100 80GB SXM80 GB
1 ×
441 Token/s441 Token/s
NVIDIA H100 SXM80 GB
1 ×
724 Token/s724 Token/s
NVIDIA H200 SXM141 GB
1 ×
1.038 Token/s1.038 Token/s
AMD Instinct MI300X192 GB
1 ×
1.146 Token/s1.146 Token/s
AMD Instinct MI325X256 GB
1 ×
1.297 Token/s1.297 Token/s
Annahmen
  • Laufzeitspeicher (Aktivierungen, Puffer) beträgt 10 % von Gewichten und KV-Cache, dazu 1 GB je GPU für das Framework.
  • Eine GPU wird zu höchstens 90 % ihres Speichers belegt; Tensor-Parallelität nutzt 1, 2, 4 oder 8 GPUs in einem Server.
  • Die Generierung ist durch die Speicherbandbreite bei 60 % der Herstellerangabe begrenzt: Jeder Schritt liest die Gewichte einmal und den KV-Cache jeder Sequenz. Ein Mixture-of-Experts-Modell liest nur seine aktiven Experten und läuft daher schneller als gezeigt.
  • Speicher und Bandbreite der GPUs sind die veröffentlichten Herstellerangaben.

Profil

Art

Embedding-Modell

Herkunft

Original

Familie

SigLIP

Einsatz

Bildgenerierung

Ein- und Ausgabe

Bild → Text

Am 11.11.2026 von Workers AI (@cf/zai-org/glm-4.7-flash) aus der Modellkarte und den Metadaten des Hubs verfasst: eine Lesart des Anbietertexts, von Facthory nicht geprüft.

Veröffentlichte Benchmarks

Die Modellkarte veröffentlicht keine Benchmark-Ergebnisse.

EU AI Act

Was der EU AI Act von einem KI-Modell mit allgemeinem Verwendungszweck verlangt, hängt davon ab, wer es wie in der EU in Verkehr bringt. Diese Angaben sind dafür maßgeblich:

  • Lizenz: apache-2.0
  • Zugang: Gewichte ohne Freigabe herunterladbar
  • Parameter: 878 Mio.
Automatisch
Vom Crawler von Facthory aus den veröffentlichten Angaben bewertet; noch nicht von einer Person geprüft.

KI-Modell mit allgemeinem Verwendungszweck (Artikel 3 Nummer 63)

Nicht angezeigt. Seine Aufgabe (zero-shot-image-classification) erzeugt weder Text noch Audio, Bilder oder Video, wie es der Richtwert der Kommission verlangt.

Die Artikel 51 bis 55, die Pflichten für KI-Modelle mit allgemeinem Verwendungszweck, binden seinen Anbieter nicht.

Verordnung (EU) 2024/1689, der EU AI Act · Quelle: Verhaltenskodex für KI-Modelle mit allgemeinem Verwendungszweck, gelesen am 08.11.2026

Die EU-AI-Act-Bewertung von Facthory erscheint, sobald eine Person diese Prüfungen geprüft hat. Die Artikel, nach denen wir bewerten

Quelle: Am 19.11.2026 von Hugging Face gelesen, Commit 9fdffc5. huggingface.co/google/siglip-so400m-patch14-384

Ein Arbeitsbereich für das, was Ihre Organisation weiß, mit einem Agenten, der damit arbeitet.

Produkt

  • Alle Funktionen
  • Arbeitsbereich
  • Agent
  • Wissen
  • Analysen
  • Office-Apps
  • Desktop
  • Herunterladen
  • Preise

Lösungen

  • Wissensrisiko & Wissenslücken im Unternehmen
  • Wissenschaftliche Forschung & Experimente
  • Autonome Analytik & Erkenntnisgewinnung
  • Einsatzbereitschaft der Belegschaft & adaptives Lernen
  • SOP-Governance & betriebliche Standardisierung
  • Prozesserkennung und kontinuierliche Optimierung
  • Alle Lösungen
  • Alle Branchen

Ressourcen

  • Blog
  • Fallstudien
  • Webinare
  • Dokumentation
  • Hilfecenter
  • Modelle
  • ROI-Rechner

Unternehmen

  • Über uns
  • Karriere
  • Presse
  • Markenkit
  • Philosophie
  • Kontakt

Unser Newsletter

Neuigkeiten zu Facthory per E-Mail.

​

© 2026 Facthory. Alle Rechte vorbehalten.
  • Datenschutz
  • Cookie-Richtlinie
  • Allgemeine Geschäftsbedingungen
  • Impressum
  • Cookie-Einstellungen
Nicht belegt
Veröffentlichte Sicherheitsbewertungen

Die Modellkarte berichtet keine Sicherheitsbewertung.

Vom Crawler von Facthory aus den veröffentlichten Angaben bewertet; noch nicht von einer Person geprüft. So bewerten wir