/ Модель

Характеристики

Контекст
16 384 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
1 сен 2026

OpenSpatial-Qwen3-VL-8B

Изображение и текст → текст3 профессии

Мультимодальная модель на базе Qwen3-VL, дообученная для пространственного понимания и рассуждений по изображениям.

31скачиваний за 30 дней0лайковвеса обновлены1 сен 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

OpenSpatial-Qwen3-VL-8B — мультимодальная модель, дообученная командой OpenSpatial на базе Qwen/Qwen3-VL-8B-Instruct. Она предназначена для понимания пространственных отношений и рассуждений по изображениям в диалоге. Модель принимает текст и изображения и генерирует текстовые ответы; доступна в формате safetensors для запуска через Transformers.

Модель подходит для вопросов о расположении объектов и пространственных сценах, а также для визуального анализа, где нужно описать отношения между элементами изображения. В карточке не приведены сведения о датасетах обучения, количественных оценках качества или дополнительных ограничениях. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • Ответы на вопросы о расположении объектов на изображении
  • Определение пространственных отношений между объектами
  • Текстовое описание пространственной сцены
  • Визуальный анализ изображений в диалоговом интерфейсе

Ограничения

Карточка не содержит сведений о датасетах обучения и количественных оценках качества. Для инструкций по применению и подробных ограничений README отсылает к проекту OpenSpatial и карточке базовой 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

OpenSpatial-Qwen3-VL-8B

OpenSpatial-Qwen3-VL-8B is an OpenSpatial model fine-tuned for spatial understanding and reasoning. This repository contains full, inference-ready model weights.

Loading

Use transformers >=4.57.0 for this checkpoint.

from transformers import AutoProcessor, Qwen3VLForConditionalGeneration

model_id = "VINHYU/OpenSpatial-Qwen3-VL-8B"
model = Qwen3VLForConditionalGeneration.from_pretrained(
    model_id, torch_dtype="auto", device_map="auto"
)
processor = AutoProcessor.from_pretrained(model_id)

Please refer to the OpenSpatial repository and the base model repository for full usage instructions, limitations, and license terms.

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
964c638

0 моделей