/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-7B-Instruct
Библиотека
transformers
Опубликована
3 дек 2025

Qwen2_5vl-7b-fm-tuned

Изображение и текст → текст4 профессии

Дообученная мультимодальная Qwen2.5-VL для диалоговых ответов на вопросы по изображениям и тексту.

47скачиваний за 30 дней0лайковвеса обновлены15 дек 2025

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

WoWolf/Qwen2_5vl-7b-fm-tuned — дообученная разработчиком WoWolf мультимодальная модель семейства Qwen2.5-VL на базе Qwen/Qwen2.5-VL-7B-Instruct. Она принимает текст и изображения и формирует текстовые ответы; предназначена для диалогового взаимодействия и задач анализа визуального содержимого. В карточке указаны 7,1 млрд параметров, архитектура Qwen2_5_VLForConditionalGeneration и контекст до 128 000 токенов.

Дообучение выполнено на наборах mllm_demo, the identity и alpaca_en_demo. Метаданные указывают поддержку image-text-to-text, чата и vision; конкретные специализации и результаты оценки не описаны. Модель опубликована в формате safetensors под лицензией other, поэтому условия использования следует уточнять по карточке и лицензии базовой модели.

Сценарии применения

  • ответы на вопросы по изображениям
  • описание содержимого изображений в диалоге
  • извлечение сведений из визуальных материалов
  • мультимодальный чат с изображениями

Ограничения

Карточка не приводит оценок качества или подробного описания возможностей дообученной версии. Лицензия указана как other, поэтому условия использования нужно проверить отдельно.

Для каких профессий подходит4

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

sft

This model is a fine-tuned version of Qwen/Qwen2.5-VL-7B-Instruct on the mllm_demo, the identity and the alpaca_en_demo datasets.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • total_eval_batch_size: 64
  • optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 4.56.1
  • Pytorch 2.8.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
0f52655

0 моделей