/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
2,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-2B-Instruct
Библиотека
transformers
Опубликована
14 мар 2026

Qwen3-VL-Reranker-2B-6bit

Ранжирование текстаТекст → score

Мультимодальный реранкер семейства Qwen3-VL для оценки релевантности и сортировки результатов поиска по запросу.

108скачиваний за 30 дней0лайковвеса обновлены14 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

mlx-community/Qwen3-VL-Reranker-2B-6bit — мультимодальная модель ранжирования, опубликованная сообществом mlx-community. Она преобразована в формат MLX из Qwen/Qwen3-VL-Reranker-2B и предназначена для оценки релевантности и сортировки результатов поиска по запросу; базовая модель семейства Qwen3-VL позволяет работать с визуальными данными наряду с текстом. Репозиторий содержит веса safetensors и рассчитан на использование с mlx-embeddings.

Модель является дообучением Qwen/Qwen3-VL-2B-Instruct с последующим преобразованием в MLX. Лицензия — Apache-2.0. Карточка указывает размер 2B в названии модели; сведения о длине контекста и поддерживаемых языках в доступных данных отсутствуют.

Сценарии применения

  • сортировка документов по релевантности поисковому запросу
  • переранжирование результатов поиска
  • оценка соответствия текста запросу
  • ранжирование результатов с учётом изображений

Ограничения

Для запуска в формате MLX требуется соответствующая программная среда; карточка не сообщает об оценках качества и языковом охвате модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mlx-community/Qwen3-VL-Reranker-2B-6bit

The Model mlx-community/Qwen3-VL-Reranker-2B-6bit was converted to MLX format from Qwen/Qwen3-VL-Reranker-2B using mlx-lm version 0.1.0.

Use with mlx

pip install mlx-embeddings
from mlx_embeddings import load, generate
import mlx.core as mx

model, tokenizer = load("mlx-community/Qwen3-VL-Reranker-2B-6bit")

# For image-text embeddings
images = [
    "./images/cats.jpg",  # cats
]
texts = ["a photo of cats", "a photo of a desktop setup", "a photo of a person"]

# Process all image-text pairs
outputs = generate(model, processor, texts, images=images)
logits_per_image = outputs.logits_per_image
probs = mx.sigmoid(logits_per_image) # probabilities for this image
for i, image in enumerate(images):
    print(f"Image {i+1}:")
    for j, text in enumerate(texts):
        print(f"  {probs[i][j]:.1%} match with '{text}'")
    print()


Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
2c0187c

0 моделей