Мультимодальная модель Qwen3.5-4B, дообученная на траекториях Lite.OSWorld для понимания изображений и выполнения задач взаимодействия с компьютерной средой.
15скачиваний за 30 дней0лайковвеса обновлены9 июл 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.
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
Qwen3.5-4B Lite.OSWorld SFT — мультимодальная плотная модель семейства Qwen3.5, дообученная с учителем разработчиком OnAnOrange на базе Qwen/Qwen3.5-4B. Чекпойнт обучен на данных траекторий Lite.OSWorld из набора CUA-Lite: в README указаны 1940 примеров, три эпохи обучения и финальный шаг iter_179.
Модель предназначена для диалогового понимания изображений и выполнения задач в сценариях Lite.OSWorld, связанных с взаимодействием с компьютерной средой. Архитектура Qwen3_5ForConditionalGeneration поддерживает обработку изображений и генерацию текста; карточка не приводит отдельные сведения о размере контекста или языковом охвате. В репозитории указаны веса Safetensors и использование библиотеки Transformers.
Лицензия в предоставленных данных не указана. Качество и область применимости зависят от ограниченного специализированного набора дообучения; описание не сообщает результатов оценки или гарантий успешного выполнения действий в реальных интерфейсах.
Сценарии применения
понимание скриншота интерфейса и ответ на вопрос о его содержимом
выполнение задач компьютерного взаимодействия в сценариях Lite.OSWorld
диалог по визуальному содержимому экрана
исследовательская оценка поведения модели в задачах CUA
Ограничения
В предоставленных материалах нет результатов оценки, заявленных гарантий качества или сведений о длине контекста и поддерживаемых языках. Дообучение основано на 1940 примерах Lite.OSWorld, поэтому поведение за пределами подобных сценариев не установлено.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель