Uploaded finetuned model
- Developed by: davanstrien
- License: apache-2.0
- Finetuned from model : numind/NuExtract3
This qwen3_5 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 262 144 токена
- Размер весов
- 9,3 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen3_5 · dense
- Базовая модель
- NuExtract3
- Опубликована
- 24 июн 2026
Ссылки
index-card-extractor-control
Изображение и текст → текст5 профессий
Дообученная на базе NuExtract3 мультимодальная модель для извлечения структурированных данных из изображений карточек.
18скачиваний за 30 дней0лайковвеса обновлены24 июн 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Модель davanstrien/index-card-extractor-control — дообученная davanstrien версия NuMind NuExtract3 на архитектуре Qwen3.5. Она принимает изображения и текст и предназначена для извлечения структурированных данных из изображений карточек. В метаданных отмечены поддержка зрения и диалоговый режим; веса опубликованы в формате safetensors.
Модель выпущена под лицензией Apache-2.0. README сообщает, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Сведения о размере этой версии, длине контекста, целевых языках и точности извлечения не приведены.
Сценарии применения
- извлечение полей из изображений карточек
- преобразование содержимого карточки в структурированные данные
- ответы на текстовые запросы о содержимом изображения карточки
Ограничения
README не раскрывает обучающие данные, точность и формат ожидаемых структурированных результатов; пригодность для конкретных типов карточек требует проверки.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиIII.6Корпоративные функцииБухгалтерия, управленческие финансы и казначействоAI помогает автоматизировать финансовые операции и улучшать прогнозирование денежных потоков и результатов.25 задач198моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen3_5ForConditionalGeneration
- Ревизия весов
- 44bb02a