/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
transformers
Опубликована
19 янв 2026

ChartVerse-4B

Изображение и текст → текст5 профессий

Мультимодальная модель на 4 млрд параметров для визуального анализа графиков и ответов на вопросы о них.

83скачиваний за 30 дней6лайковвеса обновлены21 янв 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.

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

ChartVerse-4B — мультимодальная модель для анализа диаграмм и графиков, разработанная проектом opendatalab/ChartVerse. Она дообучена на базе Qwen/Qwen3-VL-4B-Instruct и предназначена для ответов на вопросы по изображениям графиков, включая сложные многошаговые задачи визуального рассуждения. Модель использует архитектуру Qwen3-VL с 4 млрд параметров и принимает изображение вместе с текстовым запросом, выдавая текстовый ответ.

Для обучения использованы наборы ChartVerse-SFT-600K и ChartVerse-RL-40K с проверкой ответов на основе фактических данных графиков. В README сообщается о среднем результате 61,9% и сравнении с Qwen3-VL-8B-Thinking; это заявленные авторами показатели. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы по данным на диаграммах
  • многошаговый анализ сложных графиков
  • сравнение значений и тенденций на графике
  • извлечение фактов из визуализаций данных

Ограничения

Специализация модели ограничена анализом диаграмм и графиков; заявленные в README показатели приведены авторами и не гарантируют качество на других типах изображений или задач.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ChartVerse-4B is an efficient Vision Language Model (VLM) specialized for complex chart reasoning, developed as part of the opendatalab/ChartVerse project. For more details about our method, datasets, and full model series, please visit our Project Page.

A key highlight is that ChartVerse-4B significantly outperforms Qwen3-VL-8B-Thinking (60.0%) despite using only half the parameters, demonstrating that data quality triumphs over model scale.

🔥 Highlights

  • Data Quality > Model Scale: 4B parameters achieving 61.9% average score, surpassing Qwen3-VL-8B-Thinking (60.0%)
  • Efficient Performance: Delivers 8B-level performance with 4B parameters
  • High-Quality Training: Trained on ChartVerse-SFT-600K and ChartVerse-RL-40K with rigorous truth-anchored QA synthesis
  • Strong Reasoning: Equipped with Chain-of-Thought reasoning for complex multi-step chart analysis

📊 Model Performance

Overall Results

SFT vs RL Performance

📚 Training Data

ChartVerse-SFT-600K

  • 412K unique high-complexity charts
  • 603K QA pairs with 3.9B tokens of CoT reasoning
  • Rollout Posterior Entropy: 0.44 (highest among all datasets)
  • Truth-anchored answer verification via code execution

ChartVerse-RL-40K

  • 40K highest-difficulty samples
  • Filtered by failure rate: 0 < r(Q) < 1
  • Ensures "hard but solvable" training signal

🏋️ Training Details

Supervised Fine-Tuning (SFT):

  • Framework: LLaMA-Factory
  • Dataset: ChartVerse-SFT-600K
  • Learning rate: 1.0 × 10⁻⁵
  • Global batch size: 128
  • Context length: 22,000 tokens

Reinforcement Learning (RL):

  • Framework: veRL
  • Dataset: ChartVerse-RL-40K
  • Algorithm: GSPO
  • Learning rate: 1.0 × 10⁻⁶
  • Rollout samples: 16 per prompt

🚀 Quick Start

from transformers import Qwen3VLForConditionalGeneration, AutoProcessor
from qwen_vl_utils import process_vision_info
from PIL import Image

# 1. Load Model
model_path = "opendatalab/ChartVerse-4B"
model = Qwen3VLForConditionalGeneration.from_pretrained(
    model_path, torch_dtype="auto", device_map="auto"
)
processor = AutoProcessor.from_pretrained(model_path)

# 2. Prepare Input
image_path = "path/to/your/chart.png"
query = "Which region demonstrates the greatest proportional variation in annual revenue compared to its typical revenue level?"

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": image_path},
            {"type": "text", "text": query},
        ],
    }
]

# 3. Inference
text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
image_inputs, video_inputs = process_vision_info(messages)
inputs = processor(
    text=[text],
    images=image_inputs,
    padding=True,
    return_tensors="pt",
).to("cuda")
generated_ids = model.generate(**inputs, max_new_tokens=16384)
output_text = processor.batch_decode(
    generated_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output_text[0])

📖 Citation

@misc{liu2026chartversescalingchartreasoning,
      title={ChartVerse: Scaling Chart Reasoning via Reliable Programmatic Synthesis from Scratch}, 
      author={Zheng Liu and Honglin Lin and Chonghan Qin and Xiaoyang Wang and Xin Gao and Yu Li and Mengzhang Cai and Yun Zhu and Zhanping Zhong and Qizhi Pei and Zhuoshi Pan and Xiaoran Shang and Bin Cui and Conghui He and Wentao Zhang and Lijun Wu},
      year={2026},
      eprint={2601.13606},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2601.13606}, 
}

📄 License

This model is released under the Apache 2.0 License.

🙏 Acknowledgements

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
c8e6762

0 моделей