/ 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-Mobile-Teacher

Изображение и текст → текст

Дообученная мультимодальная модель Qwen3-VL для выполнения задач в мобильных графических интерфейсах и обучения GUI-агентов.

19скачиваний 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-Mobile-Teacher — дообученная модель проекта UI-MOPD, созданная на базе Qwen/Qwen3-VL-32B-Thinking для взаимодействия с графическим интерфейсом мобильных устройств. Она принимает текст и изображения экрана, а затем формирует текстовые ответы для выполнения задач в интерфейсе.

Модель обучена на мобильной части набора Uni-GUI: примерно 160 тысяч шагов взаимодействия в 11,5 тысячи траекторий. В проекте она выступает специализированной моделью-учителем для дистилляции агентов с поддержкой нескольких платформ; также заявлено применение как самостоятельного мобильного GUI-агента для навигации по приложениям, управления настройками и отправки сообщений. В MobileWorld указана доля успешного выполнения задач 16,2% против 9,4% у базовой модели.

Архитектура — плотная мультимодальная Qwen3-VL для генерации текста по изображениям и тексту; формат весов — safetensors, библиотека — Transformers. Карточка указывает английский и китайский языки. Модель распространяется по лицензии Apache-2.0. Показатель MobileWorld относится к описанному тесту и сам по себе не гарантирует успешное выполнение других действий; заявленный специализированный сценарий — мобильные интерфейсы.

Сценарии применения

  • Навигация по экранам мобильных приложений
  • Изменение настроек на смартфоне через графический интерфейс
  • Выполнение последовательностей действий в мобильном приложении
  • Отправка сообщений через мобильный интерфейс
  • Обучение кроссплатформенного GUI-агента методом дистилляции

Ограничения

Заявленная успешность в MobileWorld составляет 16,2%, поэтому выполнение задач может быть ненадёжным. Модель специализирована на мобильных интерфейсах; в карточке не приведены результаты для других платформ.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-VL-32B-Thinking-Mobile-Teacher

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

Model Description

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

Key Highlights

  • Base Model: Qwen3-VL-32B-Thinking
  • Training Data: Mobile subset of Uni-GUI (~160K interaction steps across ~11.5K trajectories)
  • Role: Platform-specific teacher for mobile environments in the UI-MOPD distillation pipeline
  • MobileWorld Performance: 16.2% task success rate (vs. 9.4% 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 mobile GUI interaction trajectories from Uni-GUI to produce a platform-specific mobile expert.
  2. Stage 2: The mobile teacher (this model) and a desktop teacher jointly guide a shared 8B student policy via multi-teacher on-policy distillation with platform-conditioned routing.

Performance

MethodMobileWorld
Qwen3-VL-32B-Thinking (base)9.4%
Mobile Teacher (this model)16.2%

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 mobile GUI agent for executing mobile tasks (e.g., app navigation, settings control, messaging)

How to Use

from transformers import Qwen3VLForConditionalGeneration, AutoProcessor

model = Qwen3VLForConditionalGeneration.from_pretrained(
    "UI-MOPD/Qwen3-VL-32B-Thinking-Mobile-Teacher",
    torch_dtype="auto",
    device_map="auto",
)
processor = AutoProcessor.from_pretrained("UI-MOPD/Qwen3-VL-32B-Thinking-Mobile-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
04c3522

0 моделей