Мультимодальная модель на базе Qwen2.5-VL-3B, дообученная для пространственных рассуждений по изображениям, включая проекции, смену точки зрения и комбинирование структур.
72скачиваний за 30 дней0лайковвеса обновлены10 сен 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.
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
SpatialBlock-3B-reason — мультимодальная модель для пространственных рассуждений по изображениям, представленная в рамках работы SpatialBlock. Это дообученная версия Qwen2.5-VL-3B-Instruct с архитектурой Qwen2.5-VL и 3,1 млрд параметров; модель принимает изображения и текстовые инструкции и формирует ответы на естественном языке. Она предназначена для решения синтетических задач на пространственное понимание: проекции 3D-сцен в 2D, преобразования точки зрения и объединения структур. Контекст составляет до 128 000 токенов. Модель распространяется под лицензией Apache-2.0.
Чекпойнт обучен на наборе SpatialBlock-15k и рассчитан на целевые задачи пространственного анализа, а не на универсальное распознавание изображений. Качество и надёжность за пределами описанных синтетических задач в карточке не охарактеризованы.
Сценарии применения
ответы на вопросы о пространственных отношениях на изображении
преобразование 3D-сцен в 2D-проекции
определение сцены с изменённой точкой зрения
рассуждения о комбинировании блоковых структур
Ограничения
Модель обучена на синтетическом наборе SpatialBlock-15k и ориентирована на описанные пространственные задачи; её надёжность для других типов изображений и задач не установлена по доступным сведениям.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
It is a fine-tuned version of Qwen2.5-VL-3B-Instruct on the synthetic SpatialBlock-15k dataset. The model directly predicts answers to spatial reasoning tasks such as 3D-to-2D projection, viewpoint transformation, and structural combination.