← Alle LLMs
LLM · Adish007
Finetuned
Eine Modellfamilie als lebendes Objekt: Varianten, ausgewählte Leistungsdaten und alle verbundenen BrunoSan-Quellensignale.
Erwähnungen
in 30 Tagen
Quellen
5Varianten
Modelle
Alle bekannten Varianten dieser Familie. Ein direkter Artikel-Link springt exakt zur genannten Variante.
Adish007 · Finetuned
Finetuned_Donut-pubtabnet_500_Html_version_removed_elements
KNOWNTechnische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
—Kontext
—Max. Output
—Input
—Output
—Input / 1M
—Output / 1M
—Tools
—Reasoning
—Structured
Benchmarks werden ergänzt, sobald Werte vorliegen.
Adish007 · Finetuned
Finetuned_Donut_aws_10k_final_model
KNOWNTechnische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
—Kontext
—Max. Output
—Input
—Output
—Input / 1M
—Output / 1M
—Tools
—Reasoning
—Structured
Benchmarks werden ergänzt, sobald Werte vorliegen.
Adish007 · Finetuned
Finetuned_Donut_aws_dummy
KNOWNTechnische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
—Kontext
—Max. Output
—Input
—Output
—Input / 1M
—Output / 1M
—Tools
—Reasoning
—Structured
Benchmarks werden ergänzt, sobald Werte vorliegen.
Adish007 · Finetuned
Finetuned_Donut_aws_10k_incremental_1_Final_model
KNOWNTechnische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
—Kontext
—Max. Output
—Input
—Output
—Input / 1M
—Output / 1M
—Tools
—Reasoning
—Structured
Benchmarks werden ergänzt, sobald Werte vorliegen.
Adish007 · Finetuned
Finetuned_Donut_aws_10k_incremental_2_Final_model
KNOWNTechnische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
—Kontext
—Max. Output
—Input
—Output
—Input / 1M
—Output / 1M
—Tools
—Reasoning
—Structured
Benchmarks werden ergänzt, sobald Werte vorliegen.
BrunoSan Chronik
Alle verbundenen Artikel, neueste zuerst.
Noch keine verbundenen Artikel.
Modelldaten und Nachrichten aus BrunoSan AI-News, OpenRouter und Hugging Face. Benchmark-Werte stammen aus den jeweils verlinkten Quellen; Testbedingungen können abweichen. Modelle bleiben auch ohne Benchmark-Werte sichtbar.