/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
MIT
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-2B
Библиотека
transformers
Опубликована
3 июн 2026

Qwen3.5-2B_20K

Изображение и текст → текст5 профессий

Мультимодальная модель на основе Qwen3.5-2B для понимания изображений, следования инструкциям и извлечения данных из банковских выписок.

115скачиваний за 30 дней1лайквеса обновлены8 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

RohitUltimate выпустил эту мультимодальную модель на основе Qwen3.5-2B для задач «изображение и текст → текст». Она предназначена для следования инструкциям, понимания изображений и извлечения данных из банковских выписок. В README заявлена длина контекста 12 000 токенов; модель рассчитана на экономичное GPU-развёртывание, при этом автор указывает, что её размер составляет менее 5 ГБ и для работы достаточно видеокарты с менее чем 8 ГБ VRAM.

Модель использует плотную архитектуру Qwen3.5 для генерации текста по текстовому и визуальному вводу и распространяется в формате safetensors. README описывает её как дообученную версию, однако метаданные указывают на слияние моделей; происхождение базируется на Qwen/Qwen3.5-2B, Qwen/Qwen3.5-2B-Base и unsloth/Qwen3.5-2B, поэтому точный способ получения из этих сведений неясен. Лицензия — MIT. Языковые сведения ограничены английским языком в метаданных.

Сценарии применения

  • извлечение операций и реквизитов из изображений банковских выписок
  • ответы на вопросы по изображению документа
  • следование текстовым инструкциям с визуальным контекстом

Ограничения

Заявленные улучшения производительности и пригодность для запуска на GPU с менее чем 8 ГБ VRAM приведены автором без результатов сравнительной оценки в карточке. Поддержка языков, кроме английского, в источниках не подтверждена.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card: RohitUltimate/Qwen3.5-2B_20K

Description

This model is a fine-tuned vision-language model based on Qwen3.5-2B, optimized for image-text-to-text tasks with extended context length (12k tokens). Compared to the base and standard fine-tuned variants, this model demonstrates improved performance on instruction-following and multimodal understanding, benefiting from higher-quality training data and better alignment for bank statement extraction. It is designed to run efficiently on GPUs with under 8GB VRAM with less than 5GB model, enabling low-cost deployment without significant performance compromise.


vLLM Inference Pipeline

vLLM is a high-throughput and memory-efficient inference and serving engine for LLMs. You can run this model using vLLM with the following Docker command:

docker run --gpus all -p 8000:8000 vllm/vllm-openai:latest \
  --model RohitUltimate/Qwen3.5-2B_20K \
  --huggingface_token <YOUR_HF_TOKEN> \
  --tokenizer Qwen/Qwen3.5-2B \
  --dtype bfloat16 \
  --trust-remote-code \
  --gpu-memory-utilization 0.9 \
  --max-model-len 12000

Discussion:

If you need more information, have suggestions, or face any issues while using this model, feel free to start a discussion. Let’s collaborate and grow this community stronger

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
642bcbc

0 моделей