SpatialBlock-3B-direct — мультимодальная модель на архитектуре Qwen2.5-VL, разработанная авторами работы SpatialBlock и дообученная на синтетическом наборе SpatialBlock-15k. Она принимает изображения и текстовые запросы и напрямую предсказывает ответы на задачи пространственного рассуждения: проекцию 3D-сцен в 2D, преобразование точки зрения и комбинирование структур из блоков.

Модель содержит 3,1 млрд параметров, использует Qwen2.5-VL-3B-Instruct как базовую модель и поддерживает контекст до 128 000 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка описывает обучение и примеры задач, но подробные результаты оценки и характеристики модели-партнёра приведены во внешней статье и репозитории.