🚀 supreme-vision-3b
supreme-vision-3b is the primary multimodal vision specialist LLM for SupremeAI 2.0.
Designed for image understanding, OCR, UI screenshot parsing, and visual document analysis.
Powered by Qwen2-VL-3B-Instruct.
Характеристики
- Контекст
- 128 000 токенов
- Параметры
- 3,1 млрд
- Размер весов
- 7,5 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen2_5_vl · dense
- Базовая модель
- Qwen2-VL-3B-Instruct
- Опубликована
- 26 июл 2026
Ссылки
supreme-vision-3b
Мультимодальная модель SupremeAI для распознавания текста и анализа изображений, интерфейсов и визуальных документов.
10скачиваний за 30 дней0лайковвеса обновлены26 июл 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание текста» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
supreme-vision-3b — мультимодальная модель для понимания изображений, разработанная SupremeAI для SupremeAI 2.0. Она дообучена на базе Qwen2-VL-3B-Instruct и предназначена для распознавания текста на изображениях, разбора снимков интерфейсов и анализа визуальных документов. Модель построена на архитектуре Qwen2.5-VL, содержит 3,1 млрд параметров, принимает изображения и текстовые запросы и формирует текстовые ответы. Нативный контекст — до 128 000 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.
Сценарии применения
- извлечение текста с фотографий и скриншотов
- разбор элементов интерфейса на снимке экрана
- анализ изображений документов
- ответы на вопросы по содержимому изображения
Ограничения
Карточка не приводит результатов оценивания качества или подробных ограничений модели; применимость к языкам OCR и конкретным типам изображений отдельно не описана.
Для каких профессий подходит12
Разделы каталога профессий, в задачах которых используется эта модель
I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2_5_VLForConditionalGeneration
- Ревизия весов
- 1112c15