/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-VL-32B-Instruct
Библиотека
transformers
Опубликована
22 окт 2025

Qwen3-VL-32B-Instruct-abliterated-v1

Изображение и текст → текст3 профессии

Дообученная мультимодальная модель Qwen3-VL для подробного описания изображений и рассуждений по визуальному содержимому, включая чувствительные сцены.

447скачиваний за 30 дней10лайковвеса обновлены1 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Qwen3-VL-32B-Instruct-abliterated-v1 — англоязычная дообученная мультимодальная модель prithivMLmods на базе Qwen/Qwen3-VL-32B-Instruct. Она принимает изображения и текстовые инструкции, а в ответ генерирует подробные описания и рассуждения по визуальному содержимому; модель рассчитана на разные соотношения сторон и разрешения, в том числе на художественные, технические, абстрактные и чувствительные изображения. Модель может быть полезна для подготовки подписей к изображениям, анализа визуальных данных, творческих задач, а также исследований модерации контента и оценки безопасности.

Вариант abliterated дообучен для выдачи описаний без обычных фильтров содержимого. Основной язык — английский; многоязычные запросы также могут работать при подходящих инструкциях. Модель распространяется в формате safetensors через Transformers по лицензии Apache-2.0.

Ответы могут включать откровенное, чувствительное или оскорбительное содержание. Точность снижается на незнакомых, синтетических и сильно абстрактных изображениях, а стиль и рассуждения зависят от формулировки запроса; модель не подходит для систем, которым нужна строгая модерация контента.

Сценарии применения

  • создание подробных подписей к изображениям
  • описание художественных и стилизованных изображений
  • анализ изображений с необычными пропорциями
  • рассуждения по визуальному содержимому
  • исследование модерации и безопасности контента

Ограничения

Модель может выдавать откровенные, чувствительные или оскорбительные описания и не подходит для систем со строгой модерацией. Точность может снижаться на незнакомых, синтетических и сильно абстрактных изображениях, а стиль ответа зависит от формулировки запроса.

Для каких профессий подходит3

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

1

Qwen3-VL-32B-Instruct-abliterated

Qwen3-VL-32B-Instruct-abliterated is an abliterated (v1.0) variant of Qwen3-VL-32B-Instruct, designed for Abliterated Reasoning and Captioning. This model is optimized to generate detailed, descriptive captions and reasoning outputs across a wide range of visual and multimodal contexts—including complex, sensitive, or nuanced content—while supporting diverse aspect ratios and resolutions.

Key Highlights

  • Abliterated / Uncensored Captioning – Fine-tuned to bypass conventional content filters while preserving factual, descriptive, and reasoning-rich outputs.
  • High-Fidelity Descriptions – Generates comprehensive captions and reasoning for general, artistic, technical, abstract, or low-context images.
  • Robust Across Aspect Ratios – Performs consistently across wide, tall, square, and irregular image dimensions.
  • Variational Detail Control – Capable of producing outputs ranging from concise summaries to fine-grained, intricate descriptions and reasoning.
  • Foundation on Qwen3-VL-32B Architecture – Built upon Qwen3-VL-32B-Instruct’s advanced multimodal reasoning and instruction-following capabilities.
  • Multilingual Output Capability – Primarily optimized for English, with adaptability for multilingual prompts through prompt engineering.

Base Model Signatures:

This model has been re-sharded and optimized for the latest Transformers version from the base model: https://huggingface.co/huihui-ai/Huihui-Qwen3-VL-32B-Instruct-abliterated.


Quick Start with Transformers

from transformers import Qwen3VLForConditionalGeneration, AutoProcessor
from qwen_vl_utils import process_vision_info
import torch

model = Qwen3VLForConditionalGeneration.from_pretrained(
    "prithivMLmods/Qwen3-VL-32B-Instruct-abliterated-v1",
    torch_dtype="auto",
    device_map="auto"
)

processor = AutoProcessor.from_pretrained("prithivMLmods/Qwen3-VL-32B-Instruct-abliterated-v1")

messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "image": "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-VL/assets/demo.jpeg",
            },
            {"type": "text", "text": "Provide a detailed caption and reasoning for this image."},
        ],
    }
]

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,
    videos=video_inputs,
    padding=True,
    return_tensors="pt",
).to("cuda")

generated_ids = model.generate(**inputs, max_new_tokens=128)
generated_ids_trimmed = [out[len(inp):] for inp, out in zip(inputs.input_ids, generated_ids)]

output_text = processor.batch_decode(
    generated_ids_trimmed,
    skip_special_tokens=True,
    clean_up_tokenization_spaces=False
)
print(output_text)

Intended Use

This model is suited for:

  • Generating detailed, uncensored captions and reasoning for general-purpose or artistic datasets.
  • Research in content moderation, red-teaming, and generative safety evaluation.
  • Enabling descriptive captioning and reasoning for visual datasets typically excluded from mainstream models.
  • Creative applications such as storytelling, art generation, or multimodal reasoning tasks.
  • Captioning and reasoning for non-standard aspect ratios and stylized visual content.

Limitations

  • May produce explicit, sensitive, or offensive descriptions depending on the image content and prompts.
  • Not recommended for production systems requiring strict content moderation.
  • Output style, tone, and reasoning may vary based on input phrasing.
  • Accuracy can fluctuate for unfamiliar, synthetic, or highly abstract visual content.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
251bcf1

0 моделей