GPT
הוספת כלי
H

Hulu-Med-4B

קוד פתוח

ZJU-AI4Hapache-2.02025-11-18

  • transformers
  • safetensors
  • hulumed_qwen3
  • text-generation
  • medical

מודל ראייה ושפה רפואי בגודל 4.8 מיליארד פרמטרים שמיועד לריצה מקומית. הוא מטפל בטקסט, תמונות דו ממד, נפחי תלת ממד ווידאו רפואי בלי תלות בשרת חיצוני.

  • 4.8Bפרמטרים
  • 262,144טוקנים בהקשר
  • 9.0 GBמשקל הקבצים
  • 4,257הורדות בחודש

מה זה

המודל פותח על ידי ZJU-AI4H ונבנה על גבי ארכיטקטורת Qwen עם מקודד SigLIP ומנגנון צמצום טוקנים שמקצץ כחמישים וחמישה אחוז מהעומס הוויזואלי. הוא אומן על מאגר של 16.7 מיליון דוגמאות ציבוריות בלבד, שכולל ארבע עשרה שיטות דימות כמו CT, רנטגן, MRI, אולטרסאונד והיסטופתולוגיה, לצד ניתוחי וידאו וטקסט קליני.

במבחני ביצועים מול מודלים רפואיים ייעודיים מתחת לעשרה מיליארד פרמטרים, הגרסה הזו מובילה על פני מתחרים כמו MedGemma-4B ו־Lingshu-7B. במבחן PMC-VQA הוא מגיע לציון 64.6 לעומת 49.2 של MedGemma, וב־MedQA הוא מקבל 71.9 נקודות. המשמעות היא יכולת פענוח והסקה רפואית גבוהה יחסית לגודל כזה, שלעיתים עוקפת גם מודלים כלליים גדולים בהרבה.

מתאים ל

  • חילוץ מידע מדימות מקומי

    ניתוח תמונות רנטגן ובדיקות CT בסביבה מקומית ומאובטחת בתוך הארגון בלי להוציא מידע רפואי רגיש החוצה.

  • תיוג סרטוני ניתוח

    זיהוי שלבים בניתוחים והערכת פעולות וידאו כירורגיות בעזרת תמיכה מובנית בפריימים עוקבים.

  • עוזר שאלות ותשובות רפואי

    מענה על שאלות קליניות מטקסט ומאמרים תודות לתוצאות טובות במבחני PubMedQA ו־MedMCQA.

איפה זה נופל

למרות ההתקדמות מול מודלים בגודל דומה, הציונים שלו במבחנים מורכבים נמוכים משמעותית ממודלי ענק. במבחן MedXQA המולטימודלי הוא מגיע לציון 26.4 בלבד, וב־MMMU-Med הוא מקבל 50.5 לעומת מעל שבעים נקודות במודלים הקנייניים. בנוסף, חלון ההקשר המדווח של 262,144 טוקנים דורש משאבי זיכרון קיצוניים אם מנסים לנצל אותו במלואו על חומרת קצה.

לא הייתי מסתמך עליו לצורך קבלת החלטות קליניות בזמן אמת, והכרטיס לא מציג בדיקות בנוגע להזיות בעברית או תמיכה במינוח רפואי מקומי.

אותה משפחה

Hulu-Med יצא ב־4 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

Hulu-Med-7B3,589 Hulu-Med-32B171 Hulu-Med-14B82

שאלות
נפוצות

האם המודל תומך בעברית לשימוש במרפאות בארץ?

המודל מבוסס על סדרת Qwen שתומכת בריבוי שפות, והיוצרים מציינים תמיכה במשימות Multilingual Medical QA. עם זאת, אין נתוני ביצועים ספציפיים לגבי עברית רפואית, ולכן חובה לבדוק אותו על מינוח מקומי לפני שמחברים אותו לממשק משתמש.

איזה כרטיס מסך נחוץ כדי להריץ אותו עם תמונות ווידאו?

במשקל של 9.0GB, כרטיס עם 16GB VRAM יספיק לטקסט ולתמונות דו ממד סטנדרטיות. כשמעלים קובצי תלת ממד בפורמט NIfTI או רצפי וידאו כבדים, עומס הזיכרון עולה בגלל מספר הטוקנים הוויזואליים, ומומלץ לעבוד עם 24GB VRAM או לחלק אותו ב־vLLM.

איך מריצים

המשקל הכולל של הקבצים עומד על תשעה גיגה בייט בדיוק bfloat16, כך שאפשר לטעון אותו בקלות על גבי כרטיס מסך בודד של 12GB או 16GB VRAM. ההרצה נעשית דרך ספריית transformers הרגילה עם trust_remote_code מופעל, או דרך פורק ייעודי של vLLM שתומך בחלוקה לכמה כרטיסים ובקצבי שרשור מהירים יותר. הוא כולל פרמטר בשם use_think שמציג את תהליך החשיבה הפנימי של המודל לפני התשובה הסופית.

הגרסה הזו קלה מאוד לתחזוקה עצמאית, אבל אם אתם צריכים דיוק מרבי בניתוח ממצאים חריגים או מקרים נדירים, עדיף לפנות ל־API של מודלים קנייניים כבדים כמו GPT-4.1 או Gemini-2.5-Flash, שעדיין משיגים ציונים גבוהים יותר במבחנים כמו MMMU-Med.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="ZJU-AI4H/Hulu-Med-4B")
print(pipe("שלום"))

הקבצים

22 קבצים במאגר, 9.0 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט מופץ תחת רישיון Apache 2.0. הרישיון מאפשר שימוש חופשי לחלוטין בקוד ובמשקולות, כולל שילוב במוצרים מסחריים, שינוי הקוד והפצה מחדש, כל עוד שומרים על הודעת זכויות היוצרים ומצרפים את נוסח הרישיון המקורי.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗