/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
25 мар 2026

Gen-Searcher-8B

Изображение и текст → текст4 профессии

Дообученный мультимодальный агент на базе Qwen3-VL-8B-Instruct, который ищет и анализирует текстовые и визуальные источники для подготовки более обоснованных запросов к генерации изображений.

57скачиваний за 30 дней30лайковвеса обновлены2 апр 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

Gen-Searcher-8B — мультимодальная модель-агент, разработанная авторами проекта Gen-Searcher: Reinforcing Agentic Search for Image Generation. Она предназначена для подготовки обоснованных запросов к генерации изображений: модель ищет информацию в интернете, просматривает источники и визуальные примеры, а затем рассуждает по найденным данным. Это дообученная на данных GenSearcher/Train-Data плотная модель Qwen3-VL-8B-Instruct с архитектурой Qwen3VLForConditionalGeneration; репозиторий содержит веса safetensors и рассчитан на работу через Transformers.

Модель принимает текст и изображения и выдаёт текстовые ответы в диалоге. В описанном сценарии она может поддерживать поиск и анализ сведений из нескольких источников, а также поиск визуальных референсов перед генерацией; сама генерация изображений выполняется отдельной моделью-генератором. В README сообщается о приросте более 15 пунктов на бенчмарках KnowGen и WISE и о переносимости на разные генераторы изображений. Лицензия — Apache-2.0.

Сценарии применения

  • Поиск актуальных сведений в интернете перед созданием изображения
  • Сбор и сопоставление доказательств из нескольких источников
  • Поиск визуальных референсов для генерации изображения
  • Подготовка запроса для генератора изображений на основе реальных знаний

Ограничения

Модель помогает искать и обосновывать сведения для генерации, но сама не генерирует изображения — для этого нужен отдельный генератор. В README не приведены результаты оценок точности поиска и анализа источников за пределами указанных бенчмарков.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Gen-Searcher-8B Model

This repository contains the Gen-Searcher-8B model presented in Gen-Searcher: Reinforcing Agentic Search for Image Generation.

Project Page | GitHub Repository | Paper

👀 Intro

We introduce Gen-Searcher, as the first attempt to train a multimodal deep research agent for image generation that requires complex real-world knowledge. Gen-Searcher can search the web, browse evidence, reason over multiple sources, and search visual references before generation, enabling more accurate and up-to-date image synthesis in real-world scenarios.

We build two dedicated training datasets Gen-Searcher-SFT-10k, Gen-Searcher-RL-6k and one new benchmark KnowGen for search-grounded image generation.

Gen-Searcher achieves significant improvements, delivering 15+ point gains on the KnowGen and WISE benchmarks. It also demonstrates strong transferability to various image generators.

All code, models, data, and benchmark are fully released.

🎥 Demo

Inference Process Example

For more examples, please refer to our website [🌐Project Page]

🚀 Training and Inference

For detailed instructions on setup, SFT/RL training, and inference, please refer to the official GitHub repository.

📐 Citation

If you find our work helpful for your research, please consider citing our work:

@article{feng2026gen,
  title={Gen-Searcher: Reinforcing Agentic Search for Image Generation},
  author={Feng, Kaituo and Zhang, Manyuan and Chen, Shuang and Lin, Yunlong and Fan, Kaixuan and Jiang, Yilei and Li, Hongyu and Zheng, Dian and Wang, Chenyang and Yue, Xiangyu},
  journal={arXiv preprint arXiv:2603.28767},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
65ca11d

0 моделей