/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
7,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
7 фев 2026

Qwen3-VL-8B-Instruct-W4A16-AutoRound-AWQ

Изображение и текст → текст11 профессий

Vishva007/Qwen3-VL-8B-Instruct-W4A16-AutoRound-AWQ — это 4-битная AWQ-квантизованная версия мультимодальной модели Qwen/Qwen3-VL-8B-Instruct.

4 913скачиваний за 30 дней1лайквеса обновлены10 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Модель предназначена для генерации текста по изображениям и текстовым инструкциям, включая визуальный анализ и распознавание текста на изображениях. Разработчик данной версии — Vishva007; базовая модель создана командой Qwen.

Модель содержит 8 млрд параметров и оптимизирована для запуска через vLLM и Transformers. Веса языковой части представлены в формате W4A16 с квантизацией AWQ и дообучались 800 шагов с использованием AutoRound, чтобы минимизировать потерю качества. Визуальный энкодер сохранён в формате FP16, что должно поддерживать высокую точность в OCR и других задачах компьютерного зрения. Заявлена возможность работы на видеокартах с 12 ГБ и более видеопамяти, а в примере использования указан максимальный контекст 4096 токенов.

Сильные стороны модели — сниженное потребление VRAM, высокая скорость сервинга и сохранение точности визуальной части благодаря отсутствию её квантизации. Ограничения включают возможную небольшую потерю качества из-за 4-битного представления весов, а также зависимость от совместимого GPU и программного окружения. В README языки модели не указаны. Лицензия — Apache-2.0.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-VL-8B-Instruct-W4A16-AutoRound-AWQ

Model Overview

This model is the AWQ (Activation-aware Weight Quantization) export of Qwen/Qwen3-VL-8B-Instruct.

It combines the speed of AWQ with the accuracy of AutoRound. The weights were fine-tuned for 800 steps to ensure the 4-bit degradation is negligible. The vision tower remains in full precision (FP16) to maintain top-tier performance on OCR and visual tasks.

Key Features

  • High Performance: Optimized for vLLM serving and Transformers.
  • Low VRAM: Fits comfortably on 12GB+ GPUs (RTX 3060/4070).
  • Accurate Vision: Vision encoder is NOT quantized, preserving full visual acuity.

Usage

Option A: vLLM (Recommended for Speed)

pip install vllm
from vllm import LLM, SamplingParams

model_id = "Vishva007/Qwen3-VL-8B-Instruct-W4A16-AutoRound-AWQ"

llm = LLM(
    model=model_id,
    quantization="awq",
    trust_remote_code=True,
    max_model_len=4096
)

# ... (Standard vLLM inference code)

Option B: Transformers (Standard)

pip install autoawq transformers
from transformers import Qwen2VLForConditionalGeneration, AutoProcessor
import torch

model_id = "Vishva007/Qwen3-VL-8B-Instruct-W4A16-AutoRound-AWQ"

# Load with Flash Attention 2 for best performance
model = Qwen2VLForConditionalGeneration.from_pretrained(
    model_id,
    torch_dtype=torch.float16,
    device_map="auto",
    attn_implementation="flash_attention_2"
)
processor = AutoProcessor.from_pretrained(model_id)

# Inference Example
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-VL/assets/demo.jpeg"},
            {"type": "text", "text": "What does this image show?"},
        ],
    }
]

text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
image_inputs, video_inputs = process_vision_info(messages)
inputs = processor(
    text=[text],
    images=image_inputs,
    videos=video_inputs,
    padding=True,
    return_tensors="pt",
).to("cuda")

generated_ids = model.generate(**inputs, max_new_tokens=128)
print(processor.batch_decode(generated_ids, skip_special_tokens=True))

🚀 Deploy on RunPod

One-click launch environments pre-configured with PyTorch, CUDA, and dependencies for fine-tuning or quantization.

🎁 Need GPU compute? Sign up via RunPod and get $5–$500 in free credits when you add your first $10.

PyTorch 2.14

TemplateCUDA VersionDocker ImageTemplate IDDeploy
PyTorch 2.14 (CUDA 12.6)12.6vishva123/cuda-12.6-pytorch-2.14-runpodd7lxsa4w9mDeploy to RunPod
PyTorch 2.14 (CUDA 13.0)13.0vishva123/cuda-13.0-pytorch-2.14-runpodyk0y6j6rpgDeploy to RunPod
PyTorch 2.14 (CUDA 13.2)13.2vishva123/cuda-13.2-pytorch-2.14-runpodgsp4gwx0nwDeploy to RunPod

PyTorch 2.13

TemplateCUDA VersionDocker ImageTemplate IDDeploy
PyTorch 2.13 (CUDA 12.6)12.6vishva123/cuda-12.6-pytorch-2.13-runpodgmlupxnxfkDeploy to RunPod
PyTorch 2.13 (CUDA 13.0)13.0vishva123/cuda-13.0-pytorch-2.13-runpody3j8xvk4f4Deploy to RunPod
PyTorch 2.13 (CUDA 13.2)13.2vishva123/cuda-13.2-pytorch-2.13-runpodvigpissn5wDeploy to RunPod

PyTorch 2.12

TemplateCUDA VersionDocker ImageTemplate IDDeploy
PyTorch 2.12 (CUDA 12.6)12.6vishva123/cuda-12.6-pytorch-2.12-runpodctmz86zmf0Deploy to RunPod
PyTorch 2.12 (CUDA 13.0)13.0vishva123/cuda-13.0-pytorch-2.12-runpodqjko5yiwziDeploy to RunPod
PyTorch 2.12 (CUDA 13.2)13.2vishva123/cuda-13.2-pytorch-2.12-runpodifg6xmye0fDeploy to RunPod

Citation

@misc{qwen3technicalreport,
      title={Qwen3 Technical Report}, 
      author={Qwen Team},
      year={2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
39757dd

0 моделей