/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
7,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B-Instruct
Библиотека
transformers
Опубликована
10 фев 2026

3DThinker-Mindcube

Изображение и текст → текст3 профессии

Чекпойнт первой стадии 3DThinker на базе Qwen2.5-VL-3B-Instruct для пространственных рассуждений о трёхмерной геометрии по изображениям.

133скачиваний за 30 дней0лайковвеса обновлены10 мар 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

3DThinker-Mindcube — чекпойнт первой стадии обучения фреймворка 3DThinker, представленного в работе «Think with 3D: Geometric Imagination Grounded Spatial Reasoning from Limited Views». Модель разработана на базе Qwen2.5-VL-3B-Instruct и предназначена для пространственных рассуждений о трёхмерной геометрии по изображениям с ограниченным числом ракурсов. В рамках подхода VLM использует геометрическую информацию из изображений без явных 3D-входных данных и размеченных 3D-обучающих примеров.

Это плотная мультимодальная модель Qwen2.5-VL с 3,1 млрд параметров и контекстом до 128 000 токенов. Чекпойнт соответствует стадии supervised alignment 3D-латентов; для обучения использован набор Mindcube_Train, а для оценки — MindCube-Tiny. Модель принимает изображения и текстовые запросы и выдаёт текстовые ответы. Репозиторий содержит веса safetensors, библиотека — Transformers. Лицензия Apache-2.0. Авторы отмечают, что конфигурация обучения отличается от использованной для таблицы 2 в статье.

Сценарии применения

  • Ответы на вопросы о взаимном расположении объектов на изображении
  • Пространственные рассуждения по изображению с ограниченным числом ракурсов
  • Анализ геометрических отношений между видимыми объектами
  • Исследовательская оценка пространственного понимания VLM на MindCube-Tiny

Ограничения

Это чекпойнт только первой стадии обучения; README предупреждает, что конфигурация обучения отличается от использованной для таблицы 2 в статье. README не описывает отдельные ограничения точности или поддерживаемые естественные языки.

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

3DThinker-Mindcube

This repository contains the stage 1 model checkpoint for 3DThinker, as presented in the paper Think with 3D: Geometric Imagination Grounded Spatial Reasoning from Limited Views.

3DThinker is a framework that enables Vision-Language Models (VLMs) to exploit geometric information within images for 3D spatial reasoning, simulating human-like spatial imagination without requiring explicit 3D prior inputs or labeled 3D training data.

Introduction

  • The model was trained on Mindcube_Train and tested on MindCube-Tiny.
  • This model corresponds to stage 1 training (supervised alignment of 3D latents) of Qwen2.5-3B-VL.
  • Note that Tab. 2 in the paper is trained on a different training data configuration.

Bibtex

If you find 3DThinker helpful for your work, please cite:

@article{chen2025think,
  title={Think with 3D: Geometric Imagination Grounded Spatial Reasoning from Limited Views},
  author={Chen, Zhangquan and Zhang, Manyuan and Yu, Xinlei and Luo, Xufang and Sun, Mingze and Pan, Zihao and Feng, Yan and Pei, Peng and Cai, Xunliang and Huang, Ruqi},
  journal={arXiv preprint arXiv:2510.18632},
  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
69a7041

0 моделей