/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Thinking
Библиотека
transformers
Опубликована
4 июл 2026

Qwen3-VL-8B-Thinking-Mobile-SFT

Изображение и текст → текст3 профессии

Мультимодальная модель Qwen3-VL на 8 млрд параметров, дообученная для выполнения задач через мобильный графический интерфейс.

16скачиваний 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-8B-Thinking-Mobile-SFT — плотная мультимодальная модель на базе Qwen3-VL-8B-Thinking, разработанная проектом UI-MOPD. Она дообучена методом supervised fine-tuning на траекториях взаимодействия с мобильным графическим интерфейсом из мобильной части набора Uni-GUI: около 160 тысяч шагов в 11,5 тысячи траекторий. Модель предназначена для работы как мобильный GUI-агент, оценки обучающих данных и экспериментов по объединению моделей.

Модель принимает изображения и текстовые инструкции, анализирует экран и выдаёт текстовые ответы с действиями для выполнения пользовательских задач в приложениях, включая навигацию, изменение настроек и отправку сообщений. Архитектура — Qwen3-VL с 8 млрд параметров; в метаданных указаны английский и китайский языки. Модель загружается через Transformers, веса доступны в формате safetensors.

Это вспомогательный SFT-чекпойнт, обученный независимо от основного пути обучения UI-MOPD: 8B-студент проекта инициализируется базовой моделью и обучается отдельно с помощью дистилляции. Карточка позиционирует чекпойнт как самостоятельного агента и основу для экспериментов, но не приводит результаты его качества. Лицензия — Apache-2.0.

Сценарии применения

  • навигация по экранам мобильных приложений
  • изменение настроек на смартфоне по текстовой инструкции
  • выполнение задач в мобильных приложениях как GUI-агент
  • оценка качества данных Uni-GUI для мобильных интерфейсов
  • эксперименты по объединению мобильных GUI-агентов

Ограничения

Чекпойнт выпущен как вспомогательная SFT-модель и не входит в основной путь обучения студента UI-MOPD. В карточке не приведены результаты оценки качества самой 8B SFT-модели.

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-8B-Thinking-Mobile-SFT

This is the Mobile SFT model from the UI-MOPD project — an 8B model supervised-fine-tuned on mobile GUI interaction data. This checkpoint is released as an auxiliary artifact to demonstrate the quality of the Uni-GUI SFT data on the 8B tier and to enable community work such as Model-Merge (TIES / DARE) with other 8B GUI agents.

Note: This model is not used in the UI-MOPD student training path. In the UI-MOPD pipeline, the 8B student is cold-started directly from the Qwen3-VL-8B-Thinking base and trained via on-policy distillation from the 32B teachers.

Model Description

Qwen3-VL-8B-Thinking-Mobile-SFT is fine-tuned from Qwen3-VL-8B-Thinking on mobile interaction trajectories from the Uni-GUI dataset. It is trained independently on the same mobile data used by the 32B Mobile Teacher, but at the 8B scale.

Key Highlights

  • Base Model: Qwen3-VL-8B-Thinking
  • Training Data: Mobile subset of Uni-GUI (~160K interaction steps across ~11.5K trajectories)
  • Training: Supervised fine-tuning (SFT) on mobile GUI interaction trajectories
  • Role: Auxiliary artifact — demonstrates Uni-GUI data quality on the 8B tier and enables Model-Merge experiments. Not used in the UI-MOPD student training path.

Relationship to the UI-MOPD Pipeline

The actual UI-MOPD training pipeline is:

  1. Stage 1: Supervised fine-tuning of Qwen3-VL-32B-Thinking on platform-specific data to produce a Desktop Teacher (46.3% on OSWorld) and a Mobile Teacher (16.2% on MobileWorld).
  2. Stage 2: The 8B student is cold-started from Qwen3-VL-8B-Thinking base (not from any SFT checkpoint) and trained via DAPO (reinforcement learning) with multi-teacher on-policy distillation using platform-conditioned routing from the 32B teachers.

This 8B SFT model sits outside the distillation pipeline. It is trained independently on the same Uni-GUI mobile subset and released separately for the community.

Intended Use

This model is designed to:

  • Be used as a standalone mobile GUI agent for executing mobile tasks (e.g., app navigation, settings control, messaging)
  • Serve as a reference for evaluating the quality of the Uni-GUI SFT data on the 8B scale
  • Provide a base for Model-Merge / TIES / DARE experiments with other 8B GUI agents
  • Offer a baseline for comparing SFT-only vs. distillation-enhanced performance

How to Use

from transformers import Qwen3VLForConditionalGeneration, AutoProcessor

model = Qwen3VLForConditionalGeneration.from_pretrained(
    "UI-MOPD/Qwen3-VL-8B-Thinking-Mobile-SFT",
    torch_dtype="auto",
    device_map="auto",
)
processor = AutoProcessor.from_pretrained("UI-MOPD/Qwen3-VL-8B-Thinking-Mobile-SFT")

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
47eaf9b

0 моделей