/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
27 сен 2026

OneJev-9B

Изображение и текст → текст4 профессии

Мультимодальная модель на базе Qwen3.5-9B, которая оценивает варианты ответа по тексту, изображениям и видео, возвращая калиброванные вероятности для задач принятия решений.

584скачиваний за 30 дней3лайкавеса обновлены29 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.

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

OneJev-9B — мультимодальная модель принятия решений от OmniJev, созданная полным дообучением Qwen/Qwen3.5-9B. Она принимает текстовые вопросы вместе со скриншотами, фотографиями или видео и за один проход возвращает калиброванные вероятности для каждого варианта ответа.

Модель предназначена для оценки вариантов в сценариях работы GUI-агентов и анализа вопросов о визуальных материалах. Обучена на 99 193 вопросах из реальных запусков агентов, видео и изображений. Архитектура — плотная Qwen3.5 с 9 млрд параметров; веса опубликованы в формате safetensors. В README приведены показатели задержки на одном H200 для скриншота 1280×720: 81 мс для одного вопроса и 131 мс для десяти вопросов в одном запросе.

Лицензия — Apache-2.0. Заявленные результаты относятся к тестовым вопросам обучающих типов; перенос качества на другие сценарии отдельно не подтверждён. Модель использует формат System One API и поддерживает обработку изображений и видео через поле media.

Сценарии применения

  • оценка вариантов действий GUI-агента по скриншоту
  • ответы на вопросы о содержимом изображений
  • ответы на вопросы по видео
  • вычисление вероятностей для нескольких вариантов ответа за один запрос
  • оценка решений на данных реальных запусков агентов

Ограничения

Описанный тест охватывает вопросы типов, представленных в обучении; качество на других сценариях в README не подтверждено. Указанная задержка измерена на одном H200 для скриншота 1280×720.

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

OneJev-9B is the 9B model of OneJev, a multimodal System One decision model. Give it a screenshot, a photo, a video or plain text along with a few typed questions, and it returns a calibrated probability for every option in a single forward pass. It is a full fine-tune of Qwen/Qwen3.5-9B on 99,193 questions drawn from real agent runs, videos and images.

Results

Accuracy in percent. The OneJev test set holds questions of the training kinds that no model saw in training. Jev 1.13's scores are its published ones, and it reads text only.

On one H200 with a 1280x720 screenshot, OneJev-9B answers 1 question in 81 ms and 10 questions in one request in 131 ms (13.1 ms per question).

Quick start

pip install "qev[torch] @ git+https://github.com/OmniJev/OneJev.git"
qev serve --model OmniJev/OneJev-9B
from qev import Client, Choice, Noul
from qev.media import data_uri

r = Client("http://localhost:8000").system_one(
    state={"task": "Pay the open invoice from ACME", "screen": "<image:1>"},
    media=[{"type": "image", "data": data_uri("screenshot.png")}],
    questions={"done": Noul("The invoice has been paid"),
               "next": Choice("What should the agent do next?", {"click": "click an element", "stop": "stop"})},
)

The server speaks TypeSafe's System One API plus a media field for images and video. More examples, the latency benchmark and the code are on GitHub.

OneJev-9B also runs on llama.cpp from the GGUF build by mradermacher, without PyTorch. Images work there; video needs the PyTorch server.

brew install llama.cpp
pip install git+https://github.com/OmniJev/OneJev.git
qev serve --gguf mradermacher/OneJev-9B-GGUF:Q8_0

All sizes

ModelBaseWeights
OneJev-0.8BQwen3.5-0.8B2.2 GB
OneJev-4BQwen3.5-4B10.4 GB
OneJev-9BQwen3.5-9B18.8 GB
OneJev-27BQwen3.8-27B54.7 GB
OneJev-27B-FP8OneJev-27B in 8-bit30.4 GB

All sizes are in the OneJev collection.

Citation

@misc{onejev2026,
  title        = {{OneJev}: A Multimodal System One Decision Model},
  author       = {{OmniJev Team}},
  year         = {2026},
  howpublished = {\url{https://github.com/OmniJev/OneJev}}
}

License

Apache 2.0

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
59429e8

0 моделей