/ Модель

Характеристики

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

A3-Qwen3.5-9B

Изображение и текст → текст4 профессии

Мультимодальная модель Qwen, дообученная для выполнения задач веб-агента и взаимодействия с сайтами.

106скачиваний за 30 дней8лайковвеса обновлены16 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

A3-Qwen3.5-9B — мультимодальная модель на 9 млрд параметров, разработанная Xing Han Lù и Siva Reddy и дообученная методом SFT на базе Qwen/Qwen3.5-9B. Она предназначена для работы веб-агентом: понимает запросы и изображения, помогает выполнять задачи на веб-сайтах и взаимодействовать с веб-интерфейсами. Для обучения использован синтетический набор A3-Synth из 16 тысяч примеров, созданных по траекториям Gemini 3 Pro.

В оценке WebArena модель показала 41,5% по протоколу авторов. Модель доступна в формате safetensors и рассчитана на запуск через Transformers или vLLM; README приводит ограничение контекста до 65 536 токенов для примера запуска. Лицензия в предоставленных данных не указана.

Сценарии применения

  • выполнение пользовательских задач на веб-сайтах
  • навигация по веб-интерфейсам по текстовым инструкциям
  • анализ скриншотов страниц для выбора дальнейшего действия

Ограничения

Оценка 41,5% относится к WebArena и протоколу, описанному авторами; результаты на других сайтах и сценариях могут отличаться. Для приведённого запуска указана длина контекста 65 536 токенов, а сведения о лицензии в доступных данных отсутствуют.

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

A3-Qwen3.5-9B

💾 Code📄 Paper🌐 Website
🤗 Dataset🤖 Models📦 PyPI

Structured Distillation of Web Agent Capabilities Enables Generalization

Xing Han Lù, Siva Reddy

A3-Qwen3.5-9B is a 9B multimodal web agent fine-tuned from Qwen/Qwen3.5-9B on A3-Synth, a synthetic dataset generated using the Agent-as-Annotators (A3) framework.

The model achieves 41.5% on WebArena, surpassing closed-source models such as Claude 3.5 Sonnet (36.0%) and GPT-4o (31.5%) under the same evaluation protocol.

Usage

Serve with vLLM:

vllm serve McGill-NLP/A3-Qwen3.5-9B --tensor-parallel-size 2 --max-model-len 65536 --enforce-eager --dtype bfloat16

Training

  • Base model: Qwen/Qwen3.5-9B
  • Data: A3-Synth (16k examples from Gemini 3 Pro trajectories)
  • Method: SFT with FSDP
  • Max sequence length: 16,384
  • Learning rate: 1e-5
  • Epochs: 2
  • Batch size: 1 per GPU, gradient accumulation 4

Model Variants

ModelParametersLink
A3-Qwen3.5-9B9BMcGill-NLP/A3-Qwen3.5-9B
A3-Qwen3.5-4B4BMcGill-NLP/A3-Qwen3.5-4B
A3-Qwen3.5-2B2BMcGill-NLP/A3-Qwen3.5-2B

Citation

@misc{lu2026structured,
      title={Structured Distillation of Web Agent Capabilities Enables Generalization}, 
      author={Xing Han Lù and Siva Reddy},
      year={2026},
      eprint={2604.07776},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2604.07776}, 
}

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
6b1fad2

0 моделей