/ Модель
Каталог

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Thinking
Библиотека
transformers
Опубликована
25 июн 2026

Ссылки

Hugging Face

MLLM_homework_model

Sii-liuzhihong
Изображение и текст → текст

Дообученная на sft_toolcall мультимодальная модель Qwen3-VL для диалоговых ответов на запросы с изображениями.

7скачиваний за 30 дней0лайковвеса обновлены25 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.

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

Sii-liuzhihong/MLLM_homework_model — дообученная модель на основе models/Qwen3-VL-8B-Thinking, представленная в формате safetensors и предназначенная для диалоговых задач с изображениями. В README указано, что обучение проводилось методом SFT на наборе данных sft_toolcall; метаданные относят архитектуру к плотному семейству Qwen3-VL и указывают поддержку зрения и чата.

Модель принимает текст и изображения и формирует текстовые ответы. Её можно применять для вопросов по изображениям и диалогового взаимодействия с визуальным содержимым. Карточка не описывает качество, поддерживаемые языки, размер контекста и условия лицензии; лицензия обозначена как other.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого изображения в диалоге
  • анализ визуальных материалов по текстовому запросу

Ограничения

Карточка не приводит оценки качества, поддерживаемые языки или длину контекста. Лицензия указана как other, поэтому условия использования следует уточнить у автора модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SFT_results

This model is a fine-tuned version of models/Qwen3-VL-8B-Thinking on the sft_toolcall 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: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 4.57.6
  • Pytorch 2.8.0+cu128
  • Datasets 4.0.0
  • 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
4877242

0 моделей

    Создать бенчмарк