ggml-org/llama.cpp

Feature Request: support the multi-modal Bagel model

Open

#17,861 opened on 2025年12月8日

GitHub で見る
 (1 comment) (1 reaction) (0 assignees)C++ (110,169 stars) (18,202 forks)batch import
Review Complexity : Highenhancementhelp wantedmodelmtmd

説明

Prerequisites

  • I am running the latest code. Mention the version if possible as well.
  • I carefully followed the README.md.
  • I searched using keywords relevant to my issue to make sure that I am creating a new issue that is not already open (or closed).
  • I reviewed the Discussions, and have a new and useful enhancement to share.

Feature Description

support multi-modal Bagel

Motivation

https://github.com/bytedance-seed/BAGEL https://github.com/stepfun-ai/Step1X-Edit

Possible Implementation

No response

コントリビューターガイド

技術スタック
cpp
領域
aibackend
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
5
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
over 1 week
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
fresh
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
unclear
前提条件
C++llama.cpp architecturemulti modal model conceptsimage processing basics
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
10
調査方針
Investigate existing multi modal support in llama.cpp (e.g., LLaVA or similar models) to understand the codebase structure. Review the repositories linked in the issue (BAGEL and Step1X Edit) to understand the model architecture and required changes. Look at files like `llama.cpp` and `llama.h` for inference code, and examine any existing multi modal implementation patterns. Engage with maintainers in the issue comments to clarify the expected integration approach.