Базовая модель указана как Qwen/Qwen3.5-9B-Base, а библиотека интеграции — Transformers.
Модель предназначена для мультимодальных задач, связанных с обработкой изображений и текста, включая генерацию текстового описания изображения. Она поддерживает сценарии image-text-to-text и может запускаться с помощью mlx-vlm на устройствах, совместимых с MLX. В README не указаны точные архитектурные характеристики, число параметров, поддерживаемые языки и размер контекстного окна; обозначение 9B в названии указывает на класс модели примерно в 9 миллиардов параметров, но подробности не приведены.
Модель доступна по лицензии Apache-2.0. Ключевым ограничением является необходимость использования MLX-совместимой среды и инструмента mlx-vlm; сведения о производительности, ограничениях по входным данным и качестве на отдельных языках в README отсутствуют.