/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
transformers
Опубликована
15 окт 2025

Qwen3-VL-4B-Instruct-abliterated-v1

Изображение и текст → текст3 профессии

Мультимодальная модель на базе Qwen3-VL для подробного описания изображений и визуального рассуждения, в том числе о чувствительном содержании.

75скачиваний за 30 дней26лайковвеса 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-4B-Instruct-abliterated-v1 — дообученная мультимодальная модель prithivMLmods на базе Qwen/Qwen3-VL-4B-Instruct. Она принимает изображения и текстовые инструкции и предназначена для подробных описаний изображений, визуального рассуждения и диалоговых ответов, в том числе о сложном или чувствительном содержании. По карточке, модель справляется с разными соотношениями сторон и стилями изображений и позволяет варьировать детализацию ответа. Поддерживается библиотекой Transformers; веса доступны в формате safetensors. Основной язык — английский, также заявлена возможность отвечать на других языках при соответствующих инструкциях. Лицензия — Apache-2.0.

Модель описана как abliterated-вариант, настроенный на обход обычных фильтров контента. Она может выдавать откровенные, чувствительные или оскорбительные описания, поэтому не подходит для систем, которым необходима строгая модерация. Точность может снижаться на незнакомых, синтетических и абстрактных изображениях, а стиль ответа зависит от формулировки запроса.

Сценарии применения

  • создание подробных описаний изображений
  • анализ художественных и стилизованных изображений
  • визуальные ответы на вопросы по изображению
  • генерация описаний для изображений с нестандартными пропорциями
  • исследование устойчивости фильтров контента и red teaming

Ограничения

Может генерировать откровенные, чувствительные или оскорбительные описания и не подходит для систем со строгой модерацией. Точность может снижаться на незнакомых, синтетических и абстрактных изображениях; стиль и рассуждения зависят 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

14

Qwen3-VL-4B-Instruct-abliterated

Qwen3-VL-4B-Instruct-abliterated is an abliterated (v1.0) variant of Qwen3-VL-4B-Instruct, tailored for Abliterated Reasoning and Captioning. This model is designed to generate detailed and descriptive captions, as well as 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: Supports wide, tall, square, and irregular image dimensions with consistent accuracy.
  • Variational Detail Control: Produces outputs ranging from high-level summaries to fine-grained, intricate descriptions and reasoning.
  • Foundation on Qwen3-VL-4B Architecture: Leverages Qwen3-VL-4B’s multimodal reasoning and instruction-following capabilities.
  • Multilingual Output Capability: Primarily English, with adaptability for multilingual prompts via 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-4B-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-4B-Instruct-abliterated-v1", torch_dtype="auto", device_map="auto"
)

processor = AutoProcessor.from_pretrained("prithivMLmods/Qwen3-VL-4B-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",
)
inputs = inputs.to("cuda")

generated_ids = model.generate(**inputs, max_new_tokens=128)
generated_ids_trimmed = [
    out_ids[len(in_ids):] for in_ids, out_ids 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 image content and prompts.
  • Not recommended for production systems requiring strict content moderation.
  • Output style, tone, and reasoning can vary depending on input phrasing.
  • Accuracy may vary 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
d2685a8

0 моделей