/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
66,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-32B-Thinking
Библиотека
transformers
Опубликована
4 июл 2026

Qwen3-VL-32B-Thinking-Desktop-Teacher

Изображение и текст → текст3 профессии

Дообученная мультимодальная Qwen3-VL для выполнения задач в графическом интерфейсе настольного компьютера и обучения GUI-агентов.

23скачиваний за 30 дней1лайквеса обновлены7 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.

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

Qwen3-VL-32B-Thinking-Desktop-Teacher — разработанная проектом UI-MOPD мультимодальная модель для взаимодействия с графическим интерфейсом настольных компьютеров. Это дообученная на траекториях взаимодействия из настольной части набора Uni-GUI модель Qwen/Qwen3-VL-32B-Thinking; архитектура Qwen3-VL плотная, модель загружается через Transformers и распространяется в формате safetensors по лицензии Apache-2.0.

Модель предназначена для роли платформенного учителя в конвейере дистилляции UI-MOPD, а также для самостоятельного выполнения задач на компьютере: навигации в браузере, управления файлами и приложениями. В README сообщается результат 46,3% успешных задач в OSWorld против 41,0% у базовой модели. Модель принимает изображения и текстовые инструкции, а её целевые действия для интерфейса представлены текстом. Карточка не сообщает длину контекста или подробные ограничения эксплуатации.

Сценарии применения

  • выполнение задач в настольных приложениях по инструкции
  • автоматизация навигации в браузере
  • управление файлами через графический интерфейс
  • управление приложениями на компьютере
  • генерация обучающих траекторий для GUI-агентов

Ограничения

Результат 46,3% в OSWorld показывает, что модель не справляется со всеми задачами. Языки, отмеченные в карточке, — английский и китайский; данных о поддержке других языков нет.

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

Qwen3-VL-32B-Thinking-Desktop-Teacher

This is the Desktop Teacher model from the UI-MOPD project — a platform-specific expert trained for desktop GUI interaction tasks.

Model Description

Qwen3-VL-32B-Thinking-Desktop-Teacher is fine-tuned from Qwen3-VL-32B-Thinking on desktop interaction trajectories from the Uni-GUI dataset. It serves as the desktop-platform teacher in the UI-MOPD multi-teacher on-policy distillation framework.

Key Highlights

  • Base Model: Qwen3-VL-32B-Thinking
  • Training Data: Desktop subset of Uni-GUI (~160K interaction steps across ~11.5K trajectories)
  • Role: Platform-specific teacher for desktop environments in the UI-MOPD distillation pipeline
  • OSWorld Performance: 46.3% task success rate (vs. 41.0% base model)

Training Details

This model is obtained in Stage 1 of the UI-MOPD training pipeline:

  1. Stage 1 (This Model): Supervised fine-tuning of Qwen3-VL-32B-Thinking on desktop GUI interaction trajectories from Uni-GUI to produce a platform-specific desktop expert.
  2. Stage 2: The desktop teacher (this model) and a mobile teacher jointly guide a shared 8B student policy via multi-teacher on-policy distillation with platform-conditioned routing.

Performance

MethodOSWorld
Qwen3-VL-32B-Thinking (base)41.0%
Desktop Teacher (this model)46.3%

Intended Use

This model is designed to:

  • Serve as a teacher model in the UI-MOPD distillation framework for training cross-platform GUI agents
  • Be used as a standalone desktop GUI agent for executing computer tasks (e.g., web browsing, file management, application control)

How to Use

from transformers import Qwen3VLForConditionalGeneration, AutoProcessor

model = Qwen3VLForConditionalGeneration.from_pretrained(
    "UI-MOPD/Qwen3-VL-32B-Thinking-Desktop-Teacher",
    torch_dtype="auto",
    device_map="auto",
)
processor = AutoProcessor.from_pretrained("UI-MOPD/Qwen3-VL-32B-Thinking-Desktop-Teacher")

Citation

@misc{lian2026uimopdmultiplatformonpolicydistillation,
      title={UI-MOPD: Multi-Platform On-Policy Distillation for Continual GUI Agent Learning}, 
      author={Niu Lian and Alan Chen and Zhehao Yu and Chengzhen Duan and Fazhan Liu and Hui Liu and Pei Fu and Jian Luan and Yaowei Wang and Shu-Tao Xia and Jinpeng Wang},
      year={2026},
      eprint={2607.04425},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2607.04425}, 
}

Related Resources

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
460039f

0 моделей