/ Модель
Каталог

Характеристики

Контекст
262 144 токена
Лицензия
Своя лицензия
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B-Base
Библиотека
transformers
Опубликована
23 сен 2026

Ссылки

Hugging Face

Omni-Edu-9B

OmniEdu
Изображение и текст → текст5 профессий

Мультимодальная модель Qwen3.5, дообученная OmniEdu для диалоговых задач с изображениями и текстом.

451скачиваний за 30 дней0лайковвеса обновлены23 сен 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.

Открыть конструктор бенчмарка

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

Omni-Edu-9B — мультимодальная модель семейства Qwen3.5, разработанная OmniEdu и дообученная на наборе данных Omni-Edu-70K поверх Qwen/Qwen3.5-9B-Base. Она предназначена для диалоговых задач с изображениями и текстом: принимает текст и изображения и формирует текстовые ответы. В метаданных указаны архитектура Qwen3_5ForConditionalGeneration, 9 млрд параметров у базовой модели, библиотека Transformers и формат весов safetensors.

Модель подходит для сценариев, где нужно задавать вопросы по изображениям и получать ответы в диалоге. Карточка не сообщает подробностей о составе данных обучения, результатах оценки или конкретных ограничениях. Лицензия указана как other, поэтому условия использования следует сверить с файлами лицензии репозитория и условиями базовой модели.

Сценарии применения

  • ответы на вопросы по изображениям
  • диалог о содержимом изображения
  • описание визуальных материалов по текстовому запросу

Ограничения

README не содержит результатов оценки и подробностей об ограничениях. Лицензия обозначена как other; проверьте условия репозитория и базовой модели перед использованием.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиIV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a fine-tuned version of Qwen/Qwen3.5-9B-Base on the Omni-Edu-70K dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-06
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.1
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 5.2.0
  • Pytorch 2.10.0
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
02353ca

0 моделей

    Создать бенчмарк