/ Модель

Характеристики

Контекст
262 144 токена
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
17 сен 2026

AnchorSR-Qwen3.5-9B-SFT-v4

Изображение и текст → текст

Мультимодальная модель AnchorSR на базе Qwen3.5-9B, дообученная для диалогового анализа изображений и видео.

41скачиваний за 30 дней0лайковвеса обновлены17 сен 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.

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

AnchorSR-Qwen3.5-9B-SFT-v4 — мультимодальная модель на 9 млрд параметров, созданная AnchorSR полным дообучением Qwen/Qwen3.5-9B методом SFT. Она предназначена для диалоговой работы с изображениями и видео; обучение использовало представления видео по 16, 24 и 32 кадра. Репозиторий содержит веса, токенизатор, шаблон чата и конфигурацию процессора для Transformers.

Модель подходит для вопросов и ответов по визуальным материалам и сценариев, где требуется описать или проанализировать изображение либо видео в диалоге. Обучение завершено за две эпохи и 1 000 шагов; указанная в README финальная валидационная потеря относится к обучающей цели и не является оценкой пространственных рассуждений. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы об изображениях
  • описание содержимого изображения в диалоге
  • анализ видеороликов по кадрам
  • ответы на вопросы о событиях в видео

Ограничения

Валидационная потеря из README не является бенчмарком пространственных рассуждений. Лицензия в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AnchorSR-Qwen3.5-9B-SFT-v4

Version: v4. Full-parameter SFT on TrainingData_v4, starting from Qwen/Qwen3.5-9B (revision c202236235762e1c871ad0ccb60c8ee5ba337b9a). This is the final checkpoint after 2 epochs, 1,000 optimizer steps, with a global batch size of 64.

The training set has 32,000 examples per epoch, with epoch-rotated 16/24/32-frame video views. Validation uses the canonical 8,000-example V4 split. Training uses BF16, a learning rate of 1e-6, cosine scheduling with 3% warmup, an 8,192-token cutoff, and a numeric token loss share of 0.2. The final validation loss is 0.14332369 under this training objective; this is not a spatial-reasoning benchmark score.

The repository contains the final full model weights, tokenizer, chat template, and processor configuration exported with Transformers 5.8.0. training_metadata.json records the settings and final metrics.

from huggingface_hub import snapshot_download

model_path = snapshot_download("AnchorSR/AnchorSR-Qwen3.5-9B-SFT-v4")

Training completed at 2026-09-17T06:37:44.773302+00:00 (UTC). Online training log.

Validation loss by epoch

EpochOptimizer stepValidation loss
15000.14716931
210000.14332369

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
b9f2721

0 моделей