/ Модель
Каталог

Характеристики

Контекст
262 144 токена
Размер весов
54,7 ГБ
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
24 авг 2026

Ссылки

Hugging FacearXiv 2601.13572

Qwen3.8-27B-Fimi-3

nlpguy
Изображение и текст → текст5 профессий

Fimi 3 — слитая мультимодальная модель Qwen для диалогов и анализа изображений по текстовым запросам.

42скачиваний за 30 дней3лайкавеса обновлены24 авг 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.

Открыть конструктор бенчмарка

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

Fimi 3 — диалоговая мультимодальная модель на основе семейства Qwen, созданная методом слияния предварительно обученных моделей с помощью mergekit. В качестве основы использована Qwen/Qwen3.5-27B; в слияние также вошли несколько моделей Qwen объёмом 27 млрд параметров, включая варианты для рассуждений и диалогов. В каталоге модель указана как плотная архитектура Qwen3.5 с поддержкой изображений и текста.

Модель предназначена для диалогов и анализа изображений по текстовым запросам. В README автор рекомендует Fimi 2 для более высокой эффективности в агентных сценариях. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия и длина контекста в предоставленных данных не указаны.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого фотографии
  • диалог с анализом визуальных материалов

Ограничения

Автор рекомендует Fimi 2 для более высокой эффективности в агентных сценариях. Лицензия и длина контекста не указаны в предоставленных данных.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Fimi 3

This is a merge of pre-trained language models created using mergekit.

Use Fimi 2 for better agentic performance

Merge Details

Merge Method

This model was merged using the Reinforced Agent Merging Plus (Tensor-Local) merge method using Qwen/Qwen3.5-27B as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

base_model: Qwen/Qwen3.5-27B
chat_template: qwen
dtype: bfloat16
merge_method: ramplus_tl
modules:
  default:
    slices:
    - sources:
      - layer_range: [0, 0]
        model: Danielbrdz/Barcenas-Qwen3.8-27B-Fable
      - layer_range: [0, 0]
        model: DavidAU/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1
      - layer_range: [0, 0]
        model: DavidAU/Qwen3.6-27B-V1.1-FF711-Darker-Hero-GAIN-H2.0
      - layer_range: [0, 0]
        model: beyoru/Kiwen1.1-27B
      - layer_range: [0, 0]
        model: empero-ai/Qwythos-27B-v1
      - layer_range: [0, 0]
        model: bottlecapai/ThinkingCap-Qwen3.6-27B
      - layer_range: [0, 0]
        model: TeichAI/Qwen3.8-27B-Fable-Distill
      - layer_range: [0, 0]
        model: Qwen/Qwen3.5-27B
  model.language_model.layers:
    slices:
    - sources:
      - layer_range: [0, 64]
        model: Danielbrdz/Barcenas-Qwen3.8-27B-Fable
      - layer_range: [0, 64]
        model: DavidAU/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1
      - layer_range: [0, 64]
        model: DavidAU/Qwen3.6-27B-V1.1-FF711-Darker-Hero-GAIN-H2.0
      - layer_range: [0, 64]
        model: beyoru/Kiwen1.1-27B
      - layer_range: [0, 64]
        model: empero-ai/Qwythos-27B-v1
      - layer_range: [0, 64]
        model: bottlecapai/ThinkingCap-Qwen3.6-27B
      - layer_range: [0, 64]
        model: TeichAI/Qwen3.8-27B-Fable-Distill
      - layer_range: [0, 64]
        model: Qwen/Qwen3.5-27B
  model.visual.blocks:
    slices:
    - sources:
      - layer_range: [0, 27]
        model: Danielbrdz/Barcenas-Qwen3.8-27B-Fable
      - layer_range: [0, 27]
        model: DavidAU/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1
      - layer_range: [0, 27]
        model: DavidAU/Qwen3.6-27B-V1.1-FF711-Darker-Hero-GAIN-H2.0
      - layer_range: [0, 27]
        model: beyoru/Kiwen1.1-27B
      - layer_range: [0, 27]
        model: empero-ai/Qwythos-27B-v1
      - layer_range: [0, 27]
        model: bottlecapai/ThinkingCap-Qwen3.6-27B
      - layer_range: [0, 27]
        model: TeichAI/Qwen3.8-27B-Fable-Distill
      - layer_range: [0, 27]
        model: Qwen/Qwen3.5-27B
out_dtype: bfloat16
parameters:
  r: 0.25

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
db297a8

0 моделей

    Создать бенчмарк