/ Модель

Характеристики

Базовая модель
Qwen3-VL-4B-Instruct
Опубликована
14 окт 2025

Qwen3-VL-4B-Instruct-NPU

Изображение и текст → текст9 профессий

Мультимодальная модель Qwen на 4 млрд параметров для диалога, анализа изображений и видео, адаптированная для запуска на Qualcomm NPU.

88скачиваний за 30 дней2лайкавеса обновлены9 янв 2026

Бенчмарки

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

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

Qwen3-VL-4B-Instruct-NPU — мультимодальная модель на 4 млрд параметров от команды Qwen компании Alibaba Cloud, подготовленная для запуска на Qualcomm NPU через NexaSDK. Это вариант Qwen3-VL-4B-Instruct с инструкционной настройкой и файлом GGUF в формате F16.

Модель принимает текстовые запросы и изображения, а также понимает видеоконтекст; отвечает текстом в диалоге, объясняет визуальные сцены и анализирует документы, диаграммы и снимки экрана. Подходит для визуальных помощников, описания изображений, вопросов по визуальным материалам и мультиязычных сценариев. README заявляет поддержку нескольких языков, но не перечисляет их по отдельности.

Размер 4 млрд параметров рассчитан на более компактный запуск на устройствах. Конкретная длина контекста и лицензия в предоставленных сведениях не указаны.

Сценарии применения

  • вопросы и ответы по изображениям
  • анализ диаграмм, документов и снимков экрана
  • описание изображений и сцен
  • визуальный диалог с помощником
  • ответы по видеоконтексту
  • мультиязычная визуальная поддержка

Ограничения

Поддержка нескольких языков заявлена без перечисления языков. Предоставленные сведения не содержат длину контекста и лицензию.

Для каких профессий подходит9

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

Qwen3-VL-4B-Instruct

Run Qwen3-VL-4B-Instruct optimized for Qualcomm NPUs with nexaSDK.

Quickstart

  1. Install NexaSDK and create a free account at sdk.nexa.ai

  2. Activate your device with your access token:

    nexa config set license '<access_token>'
    
  3. Run the model on Qualcomm NPU in one line:

    nexa infer NexaAI/Qwen3-VL-4B-Instruct-NPU
    

Model Description

Qwen3-VL-4B-Instruct is a 4-billion-parameter instruction-tuned multimodal large language model from Alibaba Cloud’s Qwen team.
As part of the Qwen3-VL series, it fuses powerful vision-language understanding with conversational fine-tuning, optimized for real-world applications such as chat-based reasoning, document analysis, and visual dialogue.

The Instruct variant is tuned for following user prompts naturally and safely — producing concise, relevant, and user-aligned responses across text, image, and video contexts.

Features

  • Instruction-Following: Optimized for dialogue, explanation, and user-friendly task completion.
  • Vision-Language Fusion: Understands and reasons across text, images, and video frames.
  • Multilingual Capability: Handles multiple languages for diverse global use cases.
  • Contextual Coherence: Balances reasoning ability with natural, grounded conversational tone.
  • Lightweight & Deployable: 4B parameters make it efficient for edge and device-level inference.

Use Cases

  • Visual chatbots and assistants
  • Image captioning and scene understanding
  • Chart, document, or screenshot analysis
  • Educational or tutoring systems with visual inputs
  • Multilingual, multimodal question answering

Inputs and Outputs

Input:

  • Text prompts, image(s), or mixed multimodal instructions.

Output:

  • Natural-language responses or visual reasoning explanations.
  • Can return structured text (summaries, captions, answers, etc.) depending on the prompt.

License

This model is released under the Creative Commons Attribution–NonCommercial 4.0 (CC BY-NC 4.0) license.
Non-commercial use, modification, and redistribution are permitted with attribution.
For commercial licensing, please contact dev@nexa.ai.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
bcd24c0

0 моделей