updata readme.md and model.properties

README.md

@@ -11,14 +11,23 @@
     <img src="https://cdn-uploads.huggingface.co/production/uploads/658a8a837959448ef5500ce5/IPsQk8gTTMD-ipTye3WED.png" width="100%" />
 </div>
 
-### 核心特性
-MoE 架构：卓越性能，低推理成本<br>
+
+核心特性:
+
+- MoE 架构：卓越性能，低推理成本：
+
 LLM 主干网络已升级为 混合专家（Mixture-of-Experts, MoE） 架构。这使得 Ovis2.6 能够扩展至 总计 300 亿参数，从而捕获海量知识与细微差异。关键在于，其推理过程中仅激活约 30 亿参数，确保了较低的推理成本和高吞吐量。<br>
-增强的长序列与高分辨率处理能力<br>
+
+- 增强的长序列与高分辨率处理能力：
+
 Ovis2.6 将上下文窗口扩展至 64K tokens，并支持最高 2880×2880 的图像分辨率，显著提升了处理高分辨率及信息密集型视觉输入的能力。这些改进在 长文档问答 场景中尤为有效，此时模型需从多页内容中收集并整合线索以得出正确答案。<br>
-“以图思考”（Think with Image）<br>
+
+- “以图思考”（Think with Image）：
+
 我们引入了 “以图思考” 能力，将视觉从被动输入转变为主动的认知工作区。在推理过程中，模型可主动调用视觉工具（如裁剪和旋转），在其思维链（Chain-of-Thought）中重新审视和分析图像区域，从而实现对视觉输入的多轮、自省式推理，提升复杂任务的准确性。<br>
-强化的 OCR、文档与图表理解能力<br>
+
+- 强化的 OCR、文档与图表理解能力：
+
 延续我们在信息密集型视觉任务上的专注，我们进一步增强了模型在 光学字符识别（OCR）、文档理解 和 图表/示意图分析 方面的能力。Ovis2.6 不仅能精准地从视觉数据中提取结构化信息，还能对提取内容进行 推理。<br>
 
 <div align="center">

model.properties

 # 模型唯一标识
 modelCode=2207
 # 模型名称
-modelName=Ovis2.6_transformers
+modelName=Ovis2.6_pytorch
 # 模型描述
 modelDescription=我们推出Ovis2.6-30B-A3B，这是Ovis列多模态大语言模型（MLLM）的最新进展。在Ovis2.5的坚实基础上，Ovis2.6将LLM主干网络升级为混合专家（Mixture-of-Experts, MoE）架构，在显著降低推理成本的同时实现了卓越的多模态性能。此外，该模型还在长上下文与高分辨率理解、结合主动图像分析的视觉推理，以及信息密集型文档理解方面带来了重大改进。
 # 运行过程
@@ -9,6 +9,6 @@ processType=推理
 # 算法类别
 appCategory=多模态
 # 框架类型
-frameType=transformers
+frameType=pytorch
 # 加速卡类型
 accelerateType=BW1000
\ No newline at end of file