/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
19 янв 2026

ChartVerse-8B

Изображение и текст → текст4 профессии

Дообученная мультимодальная модель на 8 млрд параметров для ответов на вопросы и рассуждений по изображениям графиков и диаграмм.

69скачиваний за 30 дней8лайковвеса 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-8B — мультимодальная модель для анализа графиков и диаграмм, разработанная в рамках проекта opendatalab/ChartVerse. Это дообученная модель семейства Qwen3-VL с архитектурой Qwen3VLForConditionalGeneration и 8 млрд параметров, которая принимает изображения графиков вместе с текстовыми запросами и формирует текстовые ответы с визуальным рассуждением. Она предназначена для ответов на вопросы по графикам и решения задач, требующих извлечения и интерпретации данных.

Для обучения использованы наборы ChartVerse-SFT-600K и ChartVerse-RL-40K; заявлены 64,1% среднего результата на шести бенчмарках, превосходство над Qwen3-VL-30B-A3B-Thinking и близкие результаты к Qwen3-VL-32B-Thinking. Карточка не сообщает длину контекста. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы по графикам и диаграммам
  • извлечение значений и тенденций из графиков
  • сравнение данных, представленных на диаграмме
  • интерпретация сложных графиков по текстовому запросу

Ограничения

Заявленные результаты относятся к бенчмаркам по графикам; карточка не описывает качество на других типах изображений или языках. Длина контекста не приведена в предоставленных данных.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ChartVerse-8B is a state-of-the-art Vision Language Model (VLM) achieving top-tier performance on chart reasoning benchmarks, developed as part of the opendatalab/ChartVerse project. For more details about our method, datasets, and full model series, please visit our Project Page.

Most notably, ChartVerse-8B surpasses its teacher model Qwen3-VL-30B-A3B-Thinking (62.9%) and approaches Qwen3-VL-32B-Thinking (67.0%), breaking the distillation ceiling and demonstrating that high-quality synthetic data can enable student models to exceed their teachers.

🔥 Highlights

  • 🏆 SOTA Performance: 64.1% average score across 6 challenging chart benchmarks
  • 📈 Surpasses Teacher: Outperforms Qwen3-VL-30B-A3B-Thinking (62.9%) with only 8B parameters
  • 🎯 Approaches 32B: Rivals Qwen3-VL-32B-Thinking (67.0%) performance

📊 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
  • Training time: ~1.5 days on 32× A100 GPUs

Reinforcement Learning (RL):

  • Framework: veRL
  • Dataset: ChartVerse-RL-40K
  • Algorithm: GSPO
  • Learning rate: 1.0 × 10⁻⁶
  • Rollout samples: 16 per prompt
  • Training time: ~4 days on 32× A100 GPUs

🚀 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-8B"
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
4fb8561

0 моделей