/ Модель

Характеристики

Контекст
262 144 токена
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-2B
Библиотека
transformers
Опубликована
3 авг 2026

Qwen3.5-2B-Translation-Unsloth

Изображение и текст → текст

Дообученная мультимодальная модель Qwen3.5 с 2 млрд параметров для диалога и задач преобразования изображений и текста.

9скачиваний за 30 дней0лайковвеса обновлены3 авг 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

FormlessAI/Qwen3.5-2B-Translation-Unsloth — дообученная компанией FormlessAI мультимодальная модель семейства Qwen3.5 с 2 млрд параметров, основанная на Qwen/Qwen3.5-2B. В карточке указано, что модель обучена с помощью TRL; метаданные описывают её как плотную модель с архитектурой Qwen3_5ForConditionalGeneration и возможностью работать с изображениями.

Сценарии применения

  • диалоговые ответы на текстовые запросы
  • вопросы и ответы по изображениям
  • описание содержания изображений

Ограничения

README демонстрирует пример text-generation, тогда как метаданные классифицируют модель как image-text-to-text; конкретные языки, контекстное окно и качество перевода не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Qwen_Qwen3.5-2B__project-2b-translation_1785706703

This model is a fine-tuned version of Qwen/Qwen3.5-2B. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="None", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 0.23.1
  • Transformers: 5.3.0
  • Pytorch: 2.6.0+cu124
  • Datasets: 4.3.0
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
246f316

0 моделей