NVlabs/Eagle: vier Modellgenerationen, zwei Lizenzen und eine Datenstrategie
Eagle: Frontier Vision-Language Models with Data-Centric Strategies
Auf einen Blick
- Was ist das?
- Eagle ist keine einzelne Bibliothek, sondern eine Sammlung von Vision-Language-Modellen aus vier Generationen. Wer das Repository klont, muss zuerst entscheiden, welche Generation er eigentlich braucht, und ob die Modelllizenz zum eigenen Vorhaben passt.
- Für wen ist es gedacht?
- Wer ein VLM mit nachvollziehbarer Trainingsdatenstrategie und einem Boden in NVIDIAs Physical-AI-Stack sucht, findet in Eagle 2.5 die reifste Variante. Wer lediglich ein vortrainiertes Modell mit breiter Community-Unterstuetzung und kommerziell unkomplizierter Lizenz braucht, sollte zuerst Qwen-VL oder InternVL pruefen und erst danach die NVIDIA-Modelllizenz lesen.
- Darf ich es kommerziell nutzen?
- Ja. Apache-2.0 ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 83 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Vier Modelle in einem Repository, und keines ist der Nachfolger des anderen
Das Repository traegt den Namen Eagle, enthaelt aber laut README vier eigenstaendige Modelllinien. Eagle selbst untersucht Mixture-of-Encoders-Architekturen fuer vision-zentrierte Modelle und wurde als ICLR-2025-Spotlight angenommen. Eagle 2 behandelt Post-Training-Datenstrategien fuer Bildverstehen. Eagle 2.5 erweitert das auf langkontextiges Bild- und Videoverstehen und wurde auf der NeurIPS 2025 angenommen. LocateAnything schliesslich ist ein Generalist-Grounding-Modell fuer Detection, OCR und GUI-Lokalisierung. Diese Aufteilung ist keine Versionshistorie, sondern eine Sammlung von Forschungsrichtungen. Wer das Repository klont, bekommt deshalb keinen einzelnen Einstiegspunkt, sondern muss anhand der Aufgabenstellung waehlen. Die README nennt fuer jede Linie einen eigenen Pfad: ./Eagle/README.md, ./Eagle2_5/document/0.onboarding.md und ./Embodied/README.md. Zielgruppe sind damit in erster Linie Forschende und Teams, die ein VLM als Backbone weiterverwenden oder fine-tunen wollen, nicht Anwender, die eine fertige Inferenz-API suchen.
Was Eagle 2.5 und LocateAnything mechanisch unterscheidet
Die beiden juengeren Linien loesen verschiedene Probleme und tun das mit verschiedenen Mechanismen. Eagle 2.5 zielt auf langkontextiges multimodales Verstehen. Das README zeigt als Beispiel einen Prompt, der ein Video in Abschnitte teilt und fuer jeden Abschnitt Titel, Beschreibung und Startzeit in Sekunden verlangt. Das Modell gibt daraufhin strukturierten Text zurueck, im gezeigten Beispiel beginnend mit "1.05 seconds, Introduction". Das ist eine reine Textausgabe mit Zeitmarken, kein separates Tracking-Modul. LocateAnything arbeitet dagegen raeumlich und nutzt laut README Parallel Box Decoding, abgekuerzt PBD. Der Unterschied zur Quantized Coordinate Decoding wird im Repository so beschrieben, dass PBD jede Bounding Box in einem einzigen Forward Pass vorhersagt, statt die Koordinaten Token fuer Token zu erzeugen. Das verschiebt den Engpass: Nicht die Bildkodierung, sondern die autoregressive Koordinatengenerierung bremst klassische Grounding-Modelle. Wer LocateAnything fuer dichte Objekterkennung einsetzt, sollte genau diesen Punkt in eigenen Messungen pruefen, denn das Repository liefert dazu eine qualitative Gegenueberstellung, keine belastbaren Zahlen.
Installation: drei Verzeichnisse, drei Einstiegspunkte
Das Repository bietet keine gemeinsame Installationsanleitung. Die README verweist auf drei getrennte Dokumente. Fuer LocateAnything ist das ./Embodied/README.md, fuer Eagle 2.5 die Datei ./Eagle2_5/document/0.onboarding.md, fuer Eagle das ./Eagle/README.md. Wer mit Eagle 2.5 beginnt, folgt also dem Onboarding-Dokument unter Eagle2_5/document/ und nicht der Haupt-README. Die Modellgewichte liegen nicht im Repository. Das README verlinkt auf die Hugging-Face-Kollektion unter huggingface.co/collections/nvidia/eagle, konkret auf nvidia/Eagle2.5-8B. Fuer das Fine-Tuning von LocateAnything mit LoRA nennt das Repository ein konkretes Skript: ./Embodied/shell/locate-anything-lora-visual-prompt.sh. Die Release Notes erwaehnen ausserdem eine Batch-Inferenz-Laufzeitumgebung auf Basis von FlashAttention, die auf A100, RTX 4090 und anderen GPUs ohne Hopper- oder Blackwell-Architektur laufen soll. Das ist insofern relevant, als reine FlashAttention-Pfade auf aelteren Karten oft der einzige praktikable Weg sind. Ob diese Laufzeit auch ohne die genannten Karten funktioniert, laesst sich aus dem Material nicht ableiten.
Die Lizenzfrage ist zweigeteilt und wird leicht uebersehen
Der Code steht unter Apache-2.0, das zeigt das LICENSE-Badge im README. Die Modellgewichte stehen nicht unter dieser Lizenz. Das README verweist auf ./Eagle2_5/LICENSE_MODEL und traegt ein zweites Badge mit der Bezeichnung NVIDIA License. Wer Eagle 2.5 produktiv einsetzen will, muss also zwei Dokumente lesen, nicht eines. Der Unterschied ist praktisch bedeutsam: Apache-2.0 erlaubt Weitergabe und Modifikation unter klar benannten Bedingungen, waehrend die NVIDIA-Modelllizenz eigene Auflagen fuer die Gewichte enthaelt, deren genauer Inhalt hier nicht wiedergegeben werden kann. Diese Trennung ist kein Nebenaspekt, sondern der erste Punkt, der vor einem Prototypen zu klaeren ist. Ein Team, das den Code prueft und die Modelllizenz ueberspringt, kann spaeter vor einer unangenehmen Ueberraschung stehen. Rechtliche Bewertung ist hier nicht moeglich, aber die Datei existiert und ist im README verlinkt.
Wo Eagle die falsche Wahl ist
Das Repository ist ein Forschungsartefakt, kein Produkt. Es gibt laut den abgerufenen Daten keine Releases, nur Commits auf main. Es gibt keine Versionsnummern, keine Changelogs im ueblichen Sinn, und die Update-Liste im README ist chronologisch, nicht semantisch. Wer reproduzierbare Builds braucht, muss selbst auf einen Commit pinnen. Ein zweiter Punkt: Die Modelllinien teilen sich zwar einen Namen, aber keine gemeinsame Inferenzschnittstelle. Ein Wechsel von Eagle 2 auf Eagle 2.5 bedeutet einen Wechsel des Verzeichnisses und des Onboarding-Dokuments. Drittens ist die Dokumentationslage ungleich. Eagle 2.5 hat ein Onboarding-Dokument, LocateAnything ein eigenes README, Eagle ebenfalls. Eine zentrale API-Referenz fehlt. Wer ein Modell sucht, das er per pip installiert und mit einer stabilen Python-Schnittstelle aufruft, wird hier nicht fuendig. Und wer Grounding fuer sehr dichte Szenen braucht, sollte PBD nicht ungeprueft als schneller annehmen: Die Gegenueberstellung im Repository ist illustrativ, nicht quantitativ.
Der Vergleich mit Qwen-VL und InternVL
Die naheliegenden Alternativen fuer allgemeines Bild- und Videoverstehen sind Qwen-VL und InternVL. Der Unterschied liegt weniger in der Architektur als in der Veroeffentlichungspraxis. Beide Alternativen pflegen Modellkarten mit expliziten Benchmarktabellen, Versionsnummern und einer einzigen Lizenz fuer Gewichte und Code. Eagle verfolgt den umgekehrten Ansatz: Der Beitrag ist die Datenstrategie, und die Belege stehen in den verlinkten Tech Reports (arxiv.org/abs/2504.15271 fuer Eagle 2.5, arxiv.org/abs/2501.14818 fuer Eagle 2), nicht in der README. Wer die Zahlen vergleichen will, muss die Reports lesen. Ein zweiter Unterschied ist die Einbettung. Eagle 2 und Eagle 2.5 dienen laut README als VLM-Backbone in NVIDIAs GR00T-N1, N1.5 und N1.6 sowie in Nemotron VLMs und Cosmos. Das ist ein Argument fuer Teams, die ohnehin in diesem Stack arbeiten, und ein Argument dagegen fuer alle anderen, weil diese Einbettung keine eigenstaendige Modellpflege garantiert. Ein dritter Punkt: Qwen-VL und InternVL erscheinen in vielen Inferenz-Frameworks als Standardpfad. Fuer Eagle 2 nennt das README eine Unterstuetzung in Torch-TRT unter tools/llm, mehr nicht. Wer eine breite Framework-Abdeckung braucht, muss das selbst pruefen.
Wartungskosten und was ein Upgrade bedeutet
Die Update-Liste im README reicht von August 2024 bis Juni 2026 und zeigt ein Muster: Neue Linien erscheinen, aeltere werden nicht abgekuendigt, aber auch nicht erkennbar weiterentwickelt. Eagle 2.5 wurde im Juli 2025 als Modell veroeffentlicht, im Oktober 2025 folgte der Quellcode. Wer Eagle 2.5 heute einsetzt, muss damit rechnen, dass die naechste Generation unter einem neuen Verzeichnis erscheint und die alte Linie unveraendert liegen bleibt. Das ist fuer Forschungsumgebungen akzeptabel und fuer Produktionssysteme ein Problem, weil ein Wechsel nicht durch ein Versionsupdate, sondern durch einen Verzeichniswechsel mit neuem Onboarding-Dokument erfolgt. Die Lizenzlage verschaerft das: Ein Upgrade auf eine neue Modellgeneration bedeutet jedes Mal, die Modelllizenz neu zu pruefen. Wer den Code unter Apache-2.0 weiterverwendet, muss ausserdem beachten, dass die Gewichte davon nicht erfasst sind. Praktisch heisst das: Der Wartungsaufwand liegt nicht im Code, sondern in der Nachverfolgung von Modellgewichten, Lizenzen und den zugehoerigen Reports.
Redaktionelles Fazit
Wer ein VLM mit nachvollziehbarer Trainingsdatenstrategie und einem Boden in NVIDIAs Physical-AI-Stack sucht, findet in Eagle 2.5 die reifste Variante. Wer lediglich ein vortrainiertes Modell mit breiter Community-Unterstuetzung und kommerziell unkomplizierter Lizenz braucht, sollte zuerst Qwen-VL oder InternVL pruefen und erst danach die NVIDIA-Modelllizenz lesen. Vor jedem Klonen ist zu klaeren, ob der Anwendungsfall bei LocateAnything (Grounding), Eagle 2.5 (langkontextiges Video) oder Eagle 2 (Bildverstehen) liegt, denn die drei Verzeichnisse haben getrennte Einstiegspunkte, und die Modellgewichte liegen nicht im Repository, sondern auf Hugging Face.
Community-Notizen