Spotlight — это 7‑миллиардный параметрический vision‑language model, полученный из Qwen 2.5‑VL и дообученный Arcee AI для задач точного связывания изображений и текста. Он предлагает контекстное окно в 32 k токенов, позволяя вести насыщенные мультимодальные диалоги, объединяющие длинные документы с одним или несколькими изображениями. Обучение было ориентировано на быструю инференцию на потребительских GPU при сохранении высокой точности в создании подписей, визуальном вопрос‑ответе и анализе диаграмм. В результате Spotlight удобно вписывается в рабочие процессы агентов, где скриншоты, графики или макеты пользовательского интерфейса необходимо интерпретировать «на лету». Первичные бенчмарки показывают, что он сопоставим или превосходит более крупные VLM, такие как LLaVA‑1.6 13 B, по популярным тестам VQA и POPE alignment.
curl https://api.vega.chat/api/v1/chat/completions \
-H "Authorization: Bearer $VEGA_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "arcee-ai/spotlight",
"messages": [
{"role": "user", "content": "Hello!"}
]
}'