/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
15,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Опубликована
4 ноя 2025

EvoQwen2.5-VL-Retriever-7B-v1

Языковая модельИзображение, текст → embedding8 профессий

Мультимодальная модель на базе Qwen2.5-VL для поиска релевантных визуальных документов по текстовому запросу.

327скачиваний за 30 дней18лайковвеса обновлены9 апр 2026

Бенчмарки

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

Публичные оценки14

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

  • VidoreShiftProjectRetrieval

    main_score

    Результат

    0,888

    MTEB

    Публичная таблицадругая ревизия

  • Vidore2ESGReportsRetrieval

    main_score

    Результат

    0,5974

    Общий результат 0,6061Общий результат 0,6045Общий результат 0,5789
    MTEB

    Публичная таблицадругая ревизия

  • VidoreTatdqaRetrieval

    main_score

    Результат

    0,8226

    MTEB

    Публичная таблицадругая ревизия

  • VidoreSyntheticDocQAGovernmentReportsRetrieval

    main_score

    Результат

    0,9629

    MTEB

    Публичная таблицадругая ревизия

  • Vidore2EconomicsReportsRetrieval

    main_score

    Результат

    0,6057

    Общий результат 0,5957Общий результат 0,5821Общий результат 0,5817
    MTEB

    Публичная таблицадругая ревизия

  • VidoreDocVQARetrieval

    main_score

    Результат

    0,6507

    MTEB

    Публичная таблицадругая ревизия

  • Vidore2BioMedicalLecturesRetrieval

    main_score

    Результат

    0,6379

    Общий результат 0,669Общий результат 0,6518Общий результат 0,6492
    MTEB

    Публичная таблицадругая ревизия

  • VidoreArxivQARetrieval

    main_score

    Результат

    0,9149

    MTEB

    Публичная таблицадругая ревизия

  • VidoreSyntheticDocQAEnergyRetrieval

    main_score

    Результат

    0,9663

    MTEB

    Публичная таблицадругая ревизия

  • VidoreInfoVQARetrieval

    main_score

    Результат

    0,9411

    MTEB

    Публичная таблицадругая ревизия

  • Vidore2ESGReportsHLRetrieval

    main_score

    Результат

    0,7698

    MTEB

    Публичная таблицадругая ревизия

  • VidoreSyntheticDocQAHealthcareIndustryRetrieval

    main_score

    Результат

    0,9889

    MTEB

    Публичная таблицадругая ревизия

  • VidoreSyntheticDocQAAIRetrieval

    main_score

    Результат

    0,9963

    MTEB

    Публичная таблицадругая ревизия

  • VidoreTabfquadRetrieval

    main_score

    Результат

    0,9363

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

EvoQwen2.5-VL-Retriever-7B-v1 — мультимодальная модель поиска по визуальным документам от ApsaraStackMaaS, дообученная на базе Qwen/Qwen2.5-VL-7B-Instruct с помощью подхода Evo-Retriever. Она использует многовекторное представление и позднее взаимодействие для сопоставления текстовых запросов с изображениями документов.

Модель предназначена для поиска релевантных страниц и документов по естественно-языковому запросу, в том числе по сложному визуальному содержимому. Принимает изображения и текстовые запросы, выдаёт векторные представления для вычисления оценок релевантности. Веса содержат 7,1 млрд параметров, контекст — до 128 000 токенов; указаны английский язык и формат safetensors.

Для версии 7B заявлена высокая точность на оценочных наборах, однако карточка не приводит численные результаты. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск страниц в документах по вопросу на естественном языке
  • извлечение релевантных страниц из коллекции отсканированных документов
  • поиск по визуальным материалам и документам с графиками или таблицами

Ограничения

В карточке нет численных результатов оценки, поэтому заявленное преимущество в точности нельзя количественно проверить по предоставленным данным. Указан английский язык; качество для других языков не описано.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

EvoQwen2.5-VL-Retriever-7B-v1 is a high-performance multimodal retrieval model built upon the Qwen2.5-VL-7B-Instruct backbone and employing multi-vector late-interaction. The model is fine-tuned by using an innovative evolutionary training framework (Evo-Retriever), enabling accurate retrieval of complex visual documents.

Version Specificity

• Base Model: ApsaraStackMaaS/EvoQwen2.5-VL-Retriever-7B-v1

• Parameter Size: 7 billion (7B)

• Features: The 7B version delivers the highest retrieval accuracy across all evaluation benchmarks, making it ideal for applications with stringent performance requirements.

Performance

Usage

Make sure that you have installed Transformers, Torch, Pillow, and colpali-engine.

from colpali_engine.models import ColQwen2_5, ColQwen2_5_Processor

model_name = "ApsaraStackMaaS/EvoQwen2.5-VL-Retriever-3B-v1"

model = ColQwen2_5.from_pretrained( model_name, torch_dtype=torch.bfloat16, device_map="cuda:0", # or "mps" if on Apple Silicon attn_implementation="flash_attention_2" if is_flash_attn_2_available() else None, ).eval()

processor = ColQwen2_5_Processor.from_pretrained(model_name)

scores = processor.score_multi_vector(query_embeddings, image_embeddings) print(scores)

Parameters

All models are fine-tuned by using the Evo-Retriever paradigm with a two-stage training schedule (one epoch per stage). Unless otherwise noted, parameter-efficient fine-tuning is achieved through low-rank adapters (LoRA) with a rank of 32 for both 3B and 7B models. Training is performed in bfloat16 precision with the paged_adamw_8bit optimizer on an 8-GPU H20 server, employing a data-parallel strategy, a learning rate of 2e-5, cosine decay, 2% warm-up steps, and a batch size of 32.

Citation

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Поиск по документам-картинкам пока не поддерживается.

Класс архитектуры
ColQwen2_5
Ревизия весов
b4c6d89

0 моделей