/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
transformers
Опубликована
30 июн 2026

P2R-4B

Изображение и текст → текст5 профессий

P2R-4B — дообученная мультимодальная модель для ответов на вопросы и рассуждений о мелких деталях изображений.

26скачиваний за 30 дней1лайквеса обновлены6 июл 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

P2R-4B — модель для детального визуального рассуждения, созданная авторами работы Perceive-to-Reason: Decoupling Perception and Reasoning for Fine-Grained Visual Reasoning на основе Qwen3-VL-4B-Instruct. Она принимает изображения и текстовые запросы, а в ответ формирует текст с анализом и выводами. В основе подхода P2R лежит двухэтапная схема, разделяющая восприятие изображения и рассуждение; при обучении применялась стратегия PRA-GRPO с чередованием ролей.

Модель предназначена для вопросов о мелких визуальных деталях и других задач тонкого визуального анализа. В README приведены улучшенные результаты относительно Qwen3-VL-Instruct-4B на V-Star, HR-Bench-4K, HR-Bench-8K и MME-RealWorld-Lite. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы о мелких деталях изображения
  • сравнение визуально похожих объектов и признаков
  • анализ сложных изображений по текстовому запросу

Ограничения

Оценка в README ограничена несколькими бенчмарками визуального рассуждения; универсальная точность в других сценариях не установлена. Языки и длина контекста в предоставленных данных не описаны.

Для каких профессий подходит5

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

P2R-4B

This repository contains the P2R-4B, introduced in Perceive-to-Reason: Decoupling Perception and Reasoning for Fine-Grained Visual Reasoning.

Model Description

P2R-4B is a fine-grained visual reasoning model built upon Qwen3-VL-4B-Instruct. It performs inference under the P2R framework, a two-stage visual reasoning framework that decouples perception from reasoning. Training is powered by PRA-GRPO, a role-aware alternating RL strategy.

Model Performance

ModelV-StarHR-Bench-4KHR-Bench-8KMME-RealWorld-Lite
Qwen3-VL-Instruct-4B81.773.867.047.7
P2R-4B93.281.980.554.8
Δ+11.5+8.1+13.5+7.1

Usage

from transformers import AutoProcessor, Qwen3VLForConditionalGeneration

model = Qwen3VLForConditionalGeneration.from_pretrained("hongxingli/P2R-4B")
processor = AutoProcessor.from_pretrained("hongxingli/P2R-4B")

For the full two-stage P2R inference pipeline, please refer to our code repository.

Citation

@misc{li2026perceivetoreasondecouplingperceptionreasoning,
      title={Perceive-to-Reason: Decoupling Perception and Reasoning for Fine-Grained Visual Reasoning}, 
      author={Hongxing Li and Xiufeng Huang and Dingming Li and Wenjing Jiang and Zixuan Wang and Haolei Xu and Hanrong Zhang and Haiwen Hong and Longtao Huang and Hui Xue and Weiming Lu and Jun Xiao and Yueting Zhuang and Yongliang Shen},
      year={2026},
      eprint={2607.01191},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2607.01191}, 
}

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
bb413b0

0 моделей