/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Библиотека
transformers
Опубликована
27 окт 2025

JanusCoderV-7B

Изображение и текст → текст3 профессии

Мультимодальная модель на базе Qwen2.5-VL-7B, которая генерирует и редактирует код по текстовым инструкциям и изображениям.

629скачиваний за 30 дней15лайковвеса обновлены30 окт 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

JanusCoderV-7B — мультимодальная модель для задач на стыке визуального понимания и программирования, разработанная авторами семейства JanusCoder. Она основана на Qwen2.5-VL-7B и дообучена на корпусе JANUSCODE-800K с примерами кода, связанных с визуальным содержимым.

Модель принимает изображения и текстовые инструкции и предназначена для генерации кода по описанию или изображению, создания визуализаций данных и интерактивных интерфейсов, а также программного редактирования визуальных эффектов и построения анимаций. В метаданных указана архитектура Qwen2.5-VL, около 7,1 млрд параметров, контекст 128 000 токенов и библиотека Transformers. README приводит результаты на бенчмарках визуально-программных задач, но эти оценки не гарантируют качество для конкретного сценария.

Модель распространяется под лицензией Apache-2.0. Карточка не уточняет поддерживаемые естественные языки и языки программирования, поэтому их перечень здесь не приводится.

Сценарии применения

  • генерация кода визуализации данных по изображению графика
  • создание фронтенд-интерфейса по скриншоту и описанию
  • построение анимации с помощью кода
  • редактирование визуальных эффектов программным способом
  • генерация кода по текстовому описанию

Ограничения

Оценки в README получены на отдельных бенчмарках и не гарантируют качество на произвольных задачах. README не сообщает, какие естественные языки и языки программирования поддерживаются.

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

JanusCoderV-7B

💻Github Repo • 🤗Model Collections • 📜Technical Report

Introduction

We introduce JanusCoder and JanusCoderV, a suite of open-source foundational models designed to establish a unified visual-programmatic interface for code intelligence. This model suite is built upon open-source language models (such as Qwen3-8B and 14B) and multimodal models (such as Qwen2.5-VL and InternVL3.5-8B). The JanusCoder series is trained on JANUSCODE-800K—the largest multimodal code corpus to date, generated by an innovative synthesis toolkit, covering everything from standard charts to complex interactive Web UIs and code-driven animations. This enables the models to uniformly handle diverse visual-programmatic tasks, such as generating code from textual instructions, visual inputs, or a combination of both, rather than building specialized models for isolated tasks. JanusCoder excels at flexible content generation (like data visualizations and interactive front-ends) as well as precise, program-driven editing of visual effects and complex animation construction.

Model Downloads

Model NameDescriptionDownload
JanusCoder-8B8B text model based on Qwen3-8B.🤗 Model
JanusCoder-14B14B text model based on Qwen3-14B.🤗 Model
👉 JanusCoderV-7B7B multimodal model based on Qwen2.5-VL-7B.🤗 Model
JanusCoderV-8B8B multimodal model based on InternVL3.5-8B.🤗 Model

Performance

We evaluate the JanusCoderV model on various benchmarks that span multimodal code intelligence tasks on multiple PLs:

ModelJanusCoderV-7BQwen2.5VL-7B-InstructInternVL3-8BInternVL3.5-8BMiniCPM-V-2-6Llama3.2-11B-Vision-InstructGPT-4o
ChartMimic (Customized)72.7758.6960.0459.5548.1839.6367.42
DesignBench (Gen)73.3172.7369.3471.7366.2562.2476.83
DesignBench (Edit)8.796.857.768.634.566.619.23
WebCode2M26.2112.8312.4011.959.736.5713.00
InteractScience (Func.)17.738.408.9311.470.136.6727.20
InteractScience (Visual)27.6719.8353.3524.177.7013.2446.01

Quick Start

Transformers

The following provides demo code illustrating how to generate text using JanusCoderV-7B.

Please use transformers >= 4.55.0 to ensure the model works normally.

from transformers import AutoProcessor, AutoModelForCausalLM
import torch

model_name = "internlm/JanusCoderV-7B"
processor = AutoProcessor.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto", torch_dtype="auto", trust_remote_code=True)

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "http://images.cocodataset.org/val2017/000000039769.jpg"},
            {"type": "text", "text": "Please describe the image explicitly."},
        ],
    }
]

inputs = processor.apply_chat_template(messages, add_generation_prompt=True, tokenize=True, return_dict=True, return_tensors="pt").to(model.device, dtype=torch.bfloat16)

generate_ids = model.generate(**inputs, max_new_tokens=32768)
decoded_output = processor.decode(generate_ids[0, inputs["input_ids"].shape[1] :], skip_special_tokens=True)
print(decoded_output)

Citation

🫶 If you are interested in our work or find the repository / checkpoints / benchmark / data helpful, please consider using the following citation format when referencing our papers:

@article{sun2025januscoder,
  title={JanusCoder: Towards a Foundational Visual-Programmatic Interface for Code Intelligence},
  author={Sun, Qiushi and Gong, Jingyang and Liu, Yang and Chen, Qiaosheng and Li, Lei and Chen, Kai and Guo, Qipeng and Kao, Ben and Yuan, Fei},
  journal={arXiv preprint arXiv:2510.23538},
  year={2025}
}

@article{sun2024survey,
  title={A survey of neural code intelligence: Paradigms, advances and beyond},
  author={Sun, Qiushi and Chen, Zhirui and Xu, Fangzhi and Cheng, Kanzhi and Ma, Chang and Yin, Zhangyue and Wang, Jianing and Han, Chengcheng and Zhu, Renyu and Yuan, Shuai and others},
  journal={arXiv preprint arXiv:2403.14734},
  year={2024}
}

@article{chen2025interactscience,
  title={InteractScience: Programmatic and Visually-Grounded Evaluation of Interactive Scientific Demonstration Code Generation},
  author={Chen, Qiaosheng and Liu, Yang and Li, Lei and Chen, Kai and Guo, Qipeng and Cheng, Gong and Yuan, Fei},
  journal={arXiv preprint arXiv:2510.09724},
  year={2025}
}

@article{sun2025codeevo,
  title={CodeEvo: Interaction-Driven Synthesis of Code-centric Data through Hybrid and Iterative Feedback},
  author={Sun, Qiushi and Gong, Jinyang and Li, Lei and Guo, Qipeng and Yuan, Fei},
  journal={arXiv preprint arXiv:2507.22080},
  year={2025}
}

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
a78918c

0 моделей