/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
9 сен 2026

CUA-Lite-Qwen3.5-4B-ScaleCUA-qwen3_8_27b-epoch1

Изображение и текст → текст3 профессии

Дообученная на траекториях Lite.ScaleCUA мультимодальная Qwen3.5-4B для управления рабочим столом по снимкам экрана и текстовым инструкциям.

22скачиваний за 30 дней0лайковвеса обновлены9 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

CUA-Lite-Qwen3.5-4B-ScaleCUA-qwen3_8_27b-epoch1 — мультимодальная модель для управления компьютером, созданная дообучением Qwen3.5-4B командой или автором репозитория OnAnOrange. Это полный SFT-чекпойнт после первой эпохи из трёх, обученный на 5 000 траекториях действий за компьютером из Lite.ScaleCUA; учительской моделью была qwen3_8_27b. Модель принимает текстовые инструкции и снимки экрана, а в ответ формирует текстовое представление действий для управления рабочим столом.

В обучающем рецепте использовались снимки с целевым разрешением 1280×720, обрабатываемые как 1280×704, история до 50 шагов и до четырёх изображений на шаг. Рассуждения были отключены. Для чекпойнта не приведены результаты оценки на прикладных бенчмарках, поэтому качество выполнения задач управления компьютером по этим данным определить нельзя. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • выполнение действий в интерфейсе рабочего стола по инструкции
  • навигация по экранным интерфейсам на основе снимков экрана
  • автоматизация последовательностей действий в компьютерных приложениях

Ограничения

Для чекпойнта не опубликованы результаты прикладной оценки. В обучающем рецепте рассуждения отключены; данные описывают действия на рабочем столе и сами по себе не подтверждают надёжность в других сценариях.

Для каких профессий подходит3

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

CUA-Lite-Qwen3.5-4B-ScaleCUA-qwen3_8_27b-epoch1

Full-parameter SFT checkpoint of Qwen3.5-4B, trained with CUA-Lite on 5,000 Lite.ScaleCUA desktop trajectories from teacher qwen3_8_27b. This repository contains the checkpoint after epoch 1 of a three-epoch training run, with the full BF16 model, tokenizer, and image processor configuration.

Training

SettingValue
Teacher / dataset variantdesktop.use.train.qwen3_8_27b
Training trajectories5,000
Serialized trajectory steps49,935
Completed epochs1
Completed optimizer updates156
Source checkpointiter_155
Last-step training loss0.12696061
Batch size32 trajectories; microbatch 1
Hardware and parallelism8 H200 GPUs; TP=2, DP=4
Learning rate5e-6; cosine decay to 1e-6; 10% warmup
OptimizerAdam, betas=(0.9, 0.95), weight decay=0.1
PrecisionBF16
Training date2026-09-09

The action-only desktop recipe uses a 1280x720 screenshot target (rounded to 1280x704 by the processor), history length 50, and up to four prompt images per step. Reasoning is disabled. Data is filtered for non-excluded trajectories with episode return greater than 0.5. Conversion failures are skipped and the seeded candidate pool is replenished until 5,000 usable trajectories are obtained.

The trainer defines an epoch as floor(5000 / 32) = 156 optimizer updates. One checkpoint is saved per epoch, at zero-based rollout IDs 155, 311, and 467. The last-step training loss above is a single training-batch value, not a benchmark score. No downstream benchmark evaluation is reported for this checkpoint.

Source and usage

Use a Transformers version with Qwen3.5 support; the training export used Transformers 5.6.0. Load the model and processor from this repository. For desktop-agent inference, use CUA-Lite with the included desktop.use.compact.yaml so the prompt, action format, and image history match training. Full training details are in training_config.json.

License

The original Qwen3.5-4B Apache 2.0 license is included as LICENSE. These weights are modified by supervised fine-tuning as described above.

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
eca0e1c

0 моделей