/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,1 ГБ
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
11 июн 2026

PhoneBuddy-4B

Изображение и текст → текст3 профессии

PhoneBuddy-4B — мультимодальный чекпойнт Qwen3.5 VL для исследований телефонных агентов, визуального рассуждения и вызова инструментов.

65скачиваний за 30 дней10лайковвеса обновлены15 июн 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

PhoneBuddy-4B — мультимодальный чекпойнт семейства Qwen3.5 VL, разработанный проектом PhoneBuddy. Это основной чекпойнт проекта после обучения с подкреплением на реальных и смоделированных сценариях; модель предназначена для исследований телефонных агентов, использования инструментов и рассуждений о действиях по визуальным данным. Архитектура — плотная Qwen3_5ForConditionalGeneration с процессором Qwen3VLProcessor; карточка описывает формат вызова инструментов в стиле Qwen XML.

Модель принимает изображения и текст и предназначена для сценариев, где агент анализирует экран телефона и выбирает действия или обращается к инструментам. Для формирования запросов с инструментами следует использовать шаблон чата из репозитория. Для загрузки нужен совместимый вариант Transformers с поддержкой qwen3_5 и используемого токенизатора; обычная установка Transformers может быть несовместима. Чекпойнт опубликован для исследовательского применения; сведения о лицензии, размере, контекстном окне и поддерживаемых языках в предоставленных данных отсутствуют.

Сценарии применения

  • анализ снимков экрана телефона
  • исследование визуальных агентов для смартфонов
  • выбор действий интерфейса по изображению экрана
  • проверка мультимодального вызова инструментов
  • обучение и оценка телефонных агентов в реальных и смоделированных сценариях

Ограничения

Для загрузки требуется среда Transformers, совместимая с архитектурой qwen3_5 и соответствующим бэкендом токенизатора; стандартные публичные сборки могут не поддерживать их. Чекпойнт предназначен для исследований телефонных агентов, а данные не описывают лицензию, размер модели или языковую поддержку.

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

PhoneBuddy-4B

PhoneBuddy-4B is the main PhoneBuddy Real+Mock reinforcement-learning checkpoint.

Project page: https://phonebuddyai.github.io/

GitHub: https://github.com/PhoneBuddyAI/phonebuddy

Model Details

  • Model family: Qwen3.5 VL style checkpoint
  • model_type: qwen3_5
  • Processor: Qwen3VLProcessor
  • Checkpoint role: main Real+Mock RL checkpoint
  • Tool-call format: Qwen-style XML as defined in chat_template.jinja

The model card and repository are initially published as private for validation.

Tool-Call Format

PhoneBuddy-4B follows the Qwen-style XML tool-call format defined by the bundled chat_template.jinja, for example:

<tool_call>
<function=example_function_name>
<parameter=example_parameter_1>
value_1
</parameter>
</function>
</tool_call>

Use the tokenizer or processor chat template from this repository when constructing prompts with tools.

Loading Environment

These checkpoints use Qwen3.5 VL style model metadata:

  • model_type: qwen3_5
  • Architecture: Qwen3_5ForConditionalGeneration
  • Processor: Qwen3VLProcessor
  • Tokenizer metadata: TokenizersBackend

Use the matching Qwen3.5 VL / PhoneBuddy training or inference environment that registers these classes. In a generic public Transformers environment, compatibility depends on whether that build includes qwen3_5 and the tokenizer backend used by this checkpoint.

A minimal processor load can be tested with:

from transformers import AutoProcessor

repo_id = "PhoneBuddyAI/PhoneBuddy-4B"
processor = AutoProcessor.from_pretrained(repo_id, trust_remote_code=False)

Full config, tokenizer, and model loading should be done in an environment that supports the classes above. For example, public transformers==4.57.6 does not register model_type=qwen3_5, and AutoTokenizer does not import TokenizersBackend; in that environment those failures indicate version/class compatibility, not missing checkpoint files.

Intended Use

PhoneBuddy is designed for research on phone agents, multimodal tool use, and visual action reasoning. See the project page and GitHub repository for code and usage details.

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
33da1a8

0 моделей