Разработчиком исходной модели является Qwen; конкретные сведения о команде или организации-разработчике в предоставленной карточке не уточняются.
Модель предназначена для мультимодальных задач, связанных с обработкой изображений и текста, включая генерацию текстового описания изображения. Она совместима с библиотекой mlx-vlm и ориентирована на запуск в экосистеме MLX. В карточке указано, что это 6-битная версия модели объёмом 2B параметров, однако архитектура, поддерживаемые языки, размер контекста и полный перечень возможностей не описаны.
Сильной стороной модели является адаптация к формату MLX и поддержка сценариев image-text-to-text. Ограничения по качеству, производительности, используемым модальностям и применению в конкретных языках из предоставленных данных определить нельзя. Модель распространяется по лицензии Apache-2.0.