/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
17 июл 2026

qwen3-vl-8b-hebrew-merged

Изображение и текст → текст

Историческая дообученная версия Qwen3-VL для распознавания еврейского печатного текста Талмуда на изображениях.

30скачиваний за 30 дней0лайковвеса обновлены5 окт 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

isaacmg/qwen3-vl-8b-hebrew-merged — исторический полноточный 16-битный слитый экспорт первой версии модели для чтения еврейского текста на изображениях, созданный в проекте Cairo Genizah AI на основе Qwen3-VL-8B-Instruct. Модель предназначена для распознавания печатного текста Талмуда с изображений; в карточке также указаны OCR и HTR. Дообучалась языковым LoRA-адаптером, а vision tower оставался без адаптации.

Это мультимодальная модель семейства Qwen3-VL с архитектурой Qwen3VLForConditionalGeneration и 8 млрд параметров. README сообщает, что эта версия уступает более поздним версиям по всем приведённым бенчмаркам; текущей флагманской версией автор называет v1.9a. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание печатного текста Талмуда на изображениях
  • извлечение еврейского текста со сканов и фотографий
  • транскрибирование еврейских религиозных текстов

Ограничения

Историческая версия v1, уступающая более поздним версиям серии по всем указанным бенчмаркам; автор рекомендует использовать v1.9a. Vision tower не адаптировался при дообучении.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-VL-8B Hebrew — v1 merged (historical)

📄 Cairo Genizah AI Transcription — formal analysis and write-up of the project The full account of the methods, training data, benchmarks and error analysis behind the Cairo Genizah AI transcription models. Search the transcribed corpus at Cairo Genizah AI.

➡️ This is a historical merged export, NOT the current flagship. The flagship is v1.9a — adapter + merge instructions at qwen3-vl-8b-hebrew-v19a-ckpt.

Full 16-bit merge of the series' first-generation (v1) Talmud adapter — the first model in this line to read Vilna-print gemara from pixels. Vision tower unadapted (language-only LoRA generation). Superseded on every benchmark by later versions. Note: the saved config is transformers-5-style (rope under text_config.rope_parameters); MLX conversion requires patching rope_theta to top level.

The series at a glance

One line per generation — which checkpoint to use and which are historical:

versionrepostatuscanonical revisionheadline (benchmark)
v1.9av19a-ckptFLAGSHIP — use thisstep 1300 43e21bd7F1 0.816 / CER* 0.216 (Genizah religious-140); F1 0.862 / CER* 0.196 (frozen PGP-131)
v1.9bv19b-ckptexperimental control — not adoptedstep 1300 f8618c28merger-LoRA ablation study; loss ≡ v1.9a
v1.8bv18b-ckptsuperseded; warm-start ancestor of all v1.9step 700 c80313f8first arm with a live vision-tower LoRA
v1.8av18a-ckptsuperseded A/B control (vision frozen)step 700control arm for the v1.8 vision experiment
v1.7v17-ckptsupersededstep 800first Genizah-handwriting generation; best VLM on both corpora at its era's benchmarks (Aug 2026)
v1.6v16-ckptsuperseded; Talmud-print referencestep 1000 (official); step 1100 b9f47f32 (v1.7 warm start)Talmud page CER: gemara 0.090 / rashi 0.047 / tosafot 0.099 — Rashi-script 6.7× better than the best closed model we tested (0.315)
v1.5rashi-ckptsupersededfinal e050aca8 (step 2000)proved pure Rashi-glyph perception: CER 0.018 on unmemorizable synthetic text
v1hebrew-ckptsuperseded (language-only LoRA)step 3800 e2f85ddefirst checkpoints to read Vilna gemara from pixels

\* CER over substantive attempts only, alignment-based scorer. Benchmarks differ across generations (Talmud print vs Genizah manuscripts) — compare within a row's named benchmark, not across rows.

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
2cbbb8c

0 моделей