/ Модель
Каталог

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
29 авг 2026

Ссылки

Hugging Face

Qwen3-VL-8B-VQA-SFT

QiLong26
Изображение и текст → текст6 профессий

Дообученная Qwen3-VL-8B-Instruct для ответов на вопросы по изображениям и визуального диалога.

174скачиваний за 30 дней0лайковвеса обновлены29 авг 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

QiLong26/Qwen3-VL-8B-VQA-SFT — дообученная модель семейства Qwen3-VL, разработанная на основе Qwen/Qwen3-VL-8B-Instruct. Она предназначена для диалога с изображениями и ответов на вопросы о визуальном содержимом; архитектура — плотная мультимодальная модель Qwen3VLForConditionalGeneration. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers.

Модель принимает изображения и текстовые запросы, а выдаёт текстовые ответы. Базовая модель также поддерживает анализ видео, OCR и визуальное рассуждение, однако карточка этого дообучения не описывает его отдельные обучающие данные, оценку качества или дополнительные возможности. Модель распространяется по лицензии Apache 2.0.

Сценарии применения

  • ответы на вопросы об объектах и сценах на изображении
  • описание содержимого изображения по запросу
  • визуальный диалог с уточняющими вопросами
  • извлечение видимого текста с изображения

Ограничения

README не сообщает подробностей об обучающих данных, оценке качества и конкретных ограничениях дообученной модели; возможности базовой модели не гарантируют такие же результаты у этой версии.

Для каких профессий подходит6

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.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-VL-8B-VQA-SFT

This model is a fine-tuned version of Qwen/Qwen3-VL-8B-Instruct on the None 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
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 8
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Framework versions

  • Transformers 5.7.0.dev0
  • Pytorch 2.7.0+cu126
  • Datasets 4.8.5
  • 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
Qwen3VLForConditionalGeneration
Ревизия весов
4916e92

0 моделей

    Создать бенчмарк