/ Модель
Каталог

Характеристики

Контекст
128 000 токенов
Параметры
32 млрд
Размер весов
66,9 ГБ
Лицензия
MIT
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-32B-Instruct
Библиотека
transformers
Опубликована
30 июн 2026

Ссылки

Hugging FacearXiv 2607.06440

qwen2vl_32b

AirRain03
Изображение и текст → текст

Мультимодальная дообученная модель Qwen2.5-VL, которая обогащает промпты для персонализированной генерации изображений по тексту и референсным изображениям.

21скачиваний за 30 дней0лайковвеса обновлены9 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AirRain03/qwen2vl_32b — модель на 32 млрд параметров, дообученная на базе Qwen/Qwen2.5-VL-32B-Instruct для обогащения текстовых промптов генерации изображений в экспериментах PIPBench. Она принимает исходный промпт и эталонные изображения из профиля пользователя, а выдаёт расширенный текстовый промпт для последующей генерации изображения с помощью Qwen-Image. Модель предназначена для персонализированной генерации изображений с учётом визуальных предпочтений и профиля пользователя.

Модель использует мультимодальную архитектуру Qwen2.5-VL, поддерживает диалоговый режим и обработку изображений. Метаданные указывают контекст до 128 000 токенов и формат safetensors. Для применения требуются исходный промпт и референсные изображения; итоговую картинку эта модель сама не генерирует. Лицензия — MIT.

Сценарии применения

  • обогащение промптов для генерации изображений с учётом профиля пользователя
  • учёт визуальных предпочтений по референсным изображениям
  • подготовка расширенных промптов для Qwen-Image
  • оценка персонализированной генерации изображений в сценариях PIPBench

Ограничения

Модель формирует текстовый промпт, но не генерирует итоговое изображение; для этого README указывает использовать Qwen-Image. Она описана как экспериментальный чекпойнт PE для PIPBench, а не как QIP-чекпойнт.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen2vl_32b

This is a PE-finetuned Qwen2.5-VL prompt-enrichment checkpoint for PIPBench, presented in the paper PIPBench: A Profile-Inclusive Framework for Personalized Image Generation Evaluation.

It takes PIPBench reference images plus the original text prompt and outputs an enriched prompt. Generate final images by running Qwen-Image with the enriched prompt.

These weights come from the PIPBench codex/ablations/PE experiments and are not QIP checkpoints.

Resources

Usage

To generate enriched prompts using this 32B PE module, clone the official repository and run:

bash scripts/enrich_prompts_qwen2vl.sh \
  --model-id AirRain03/qwen2vl_32b \
  --metadata data/pipbench/metadata.json \
  --data-root data/pipbench \
  --out outputs/prompts/qwen2vl_32b.jsonl \
  --device-map auto \
  --dtype bfloat16 \
  --resume

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
4405310

0 моделей

    Создать бенчмарк