/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
18,8 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_5 · dense
Базовая модель
Qwen-Image-2.1-PE-I2I
Опубликована
22 сен 2026

Qwen-Image-2.1-PE-I2I-Heretic

Изображение и текст → текст3 профессии

Производная Qwen3.5-VL модель, которая анализирует изображение и превращает короткую инструкцию по его редактированию в подробный английский промпт.

566скачиваний за 30 дней6лайковвеса обновлены24 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

Qwen-Image-2.1-PE-I2I Heretic — созданная сообществом производная модели Qwen/Qwen-Image-2.1-PE-I2I на архитектуре Qwen3.5-VL с 9 млрд параметров. Она принимает короткую инструкцию по редактированию и одно или несколько изображений, анализирует их и формирует подробный промпт на английском языке для редактирования изображения. Это переписыватель промптов, а не генератор изображений.

Модель дообучена с применением направленной абляции Heretic, которая снизила частоту отказов на вредоносных текстовых запросах: в описанной проверке отказов было 9 из 100 против 100 из 100 у исходной модели. При этом автор сообщает, что обычное поведение при переписывании инструкций для редактирования изображений сохранилось. Проверка проводилась на ограниченных наборах примеров, поэтому результаты не гарантируют такое же поведение на других запросах.

Веса представлены в формате bf16 Safetensors и имеют ту же форму и число параметров, что и исходная модель. Для запуска используются AutoModelForImageTextToText и AutoProcessor; необходим также файл system_prompt.txt из репозитория. Модель распространяется по лицензии Qwen Research License: использование некоммерческое, для коммерческого применения нужна отдельная лицензия Qwen.

Сценарии применения

  • составление подробного промпта для редактирования загруженного изображения
  • уточнение краткой инструкции для приложения редактирования изображений
  • описание желаемых изменений с учётом содержимого изображения

Ограничения

Формирует текстовые инструкции для редактирования, но сам изображения не генерирует и не редактирует. Результаты оценки отказов основаны на выборке из 100 запросов; для запуска требуется system_prompt.txt, а коммерческое использование требует отдельной лицензии Qwen.

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

Qwen-Image-2.1-PE-I2I Heretic (abliterated)

Not affiliated with or endorsed by Alibaba / Qwen. A community derivative of Qwen/Qwen-Image-2.1-PE-I2I, redistributed under the Qwen Research License (copy included as LICENSE). Non-commercial use only; commercial use needs a separate licence from Qwen.

The image-editing prompt rewriter for Qwen-Image-2.1, a fine-tuned Qwen3.5-VL 9B that turns a short edit instruction plus 1–N input images into a detailed English edit prompt, with its refusal behaviour removed by Heretic directional ablation. bf16, same shapes and parameter count as the source; nothing else was changed.

system_prompt.txt is included and required. It defines the output format. It is the unmodified file from the source repo.

Results

RefusalsKL divergence
Original100/1000 (by definition)
This model (trial 998)9/1000.0368
Same, re-measured after export9/1000.0363

The second row is an independent evaluation of the exported weights with Heretic's evaluate_model. Refusals were measured on mlabonne/harmful_behaviors and KL divergence (damage to ordinary behaviour, first-token distributions) on mlabonne/harmless_alpaca, both Heretic's defaults, with Heretic's default system prompt.

With n = 100 the refusal count is noisy (σ ≈ 3 at this rate), so 6 vs 9 vs 11 are not meaningfully different. Trial 998 was chosen from the Pareto front for having the damage level of the widely used T2I Heretic (pottokao/Qwen-Image-2.1-PE-T2I-Heretic, KL 0.036):

RefusalsKL
6/1000.0431trial 691
9/1000.0368trial 998 (this model)
11/1000.0330trial 960
16/1000.0307trial 957
20/1000.0265trial 975
31/1000.0194trial 682

Does it still rewrite edits?

Checked through a real editing app's prompt-enhancer path (the official pe_core output contract, enable_thinking, Qwen's sampling settings) on three edit instructions: a plain one ("make the sky a dramatic sunset") and two borderline ones (horror-film fake blood; a prop handgun on a table). Every answer parsed, and the rewrites were as detailed and specific as the original's.

An honest caveat: the original model did not refuse those image edits either. Like the T2I rewriter, it is relaxed about edgy image subjects and near-total in refusing chat-style harmful instructions, which is what the 100/100 baseline measures. The ablation mainly changes the latter.

NVFP4 build for vLLM on Blackwell: darrellbest/Qwen-Image-2.1-PE-I2I-Heretic-NVFP4. Companion for text-to-image: darrellbest/Qwen-Image-2.1-PE-T2I-Heretic.

Reproduce

  • Heretic 3521f86 (main, 2026-09-21), default config except n_trials = 1000 (200, then 800 more on the same study) and export_strategy = "merge". transformers 5.17.0, torch 2.11.0+cu130, one RTX PRO 6000 Blackwell.
  • Trial 998 parameters: direction_scope = global, direction_index = 19.522, attn.o_proj: max_weight 0.977 at 19.045, min_weight 0.935, min_weight_distance 18.014, mlp.down_proj: max_weight 1.456 at 22.104, min_weight 0.831, min_weight_distance 18.551.

Use

Exactly like the original: load with AutoModelForImageTextToText / AutoProcessor and use system_prompt.txt as the system prompt.

The family

ModelFormatUse it with
PE-T2I-Hereticbf16 safetensorstransformers / diffusers
PE-T2I-Heretic-GGUFGGUF BF16 / Q8_0 / Q4_K_Mllama.cpp, Ollama
PE-T2I-Heretic-NVFP4NVFP4 (compressed-tensors)vLLM on Blackwell
PE-I2I-Hereticbf16 safetensorstransformers / diffusers
PE-I2I-Heretic-GGUFGGUF BF16 / Q8_0 / Q4_K_M (+ mmproj)llama.cpp, Ollama
PE-I2I-Heretic-NVFP4NVFP4 (compressed-tensors)vLLM on Blackwell

T2I rewrites a short request into a detailed prompt for new images; I2I rewrites an edit instruction, reading the image being edited. Both are prompt rewriters for Qwen-Image-2.1, not image generators.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
0402e06

0 моделей