/ 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-unsloth-bnb-4bit
Библиотека
transformers
Опубликована
14 июл 2026

qwen3vl-8b-chartqa-merged-16bit

Изображение и текст → текст

Объединённая 16-битная модель Qwen3-VL-8B для ответов на вопросы по диаграммам и графикам.

24скачиваний за 30 дней0лайковвеса обновлены2 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.

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

steven0226 разработал Qwen3-VL-8B ChartQA — объединённый 16-битный чекпойнт мультимодальной модели Qwen3-VL-8B, полученный слиянием ChartQA LoRA-адаптера с базовой моделью. Он предназначен для ответов на вопросы по диаграммам и графикам: модель принимает изображение вместе с текстовым вопросом и формирует текстовый ответ. В обучении использовали 15 000 примеров ChartQA за одну эпоху; для адаптации применяли LoRA к зрительным и языковым модулям, механизмам внимания и MLP. В тесте ChartQA модель показала точность 86,24% по метрике с допуском 5% для числовых ответов; результаты составили 77,28% на подмножестве Human и 95,20% на Augmented.

Модель построена на архитектуре Qwen3-VL и рассчитана прежде всего на англоязычные короткие ответы по диаграммам. Это полноразмерный 16-битный вариант, служащий эталоном качества перед AWQ-квантизацией; веса занимают 17,53 ГБ. Для запуска подходят совместимые с Qwen3-VL среды Transformers или vLLM. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на числовые вопросы по графикам
  • извлечение значений из диаграмм по текстовому запросу
  • анализ таблиц и визуализаций ChartQA
  • сравнение данных, показанных на графике

Ограничения

Оценивалась преимущественно на коротких ответах по англоязычным диаграммам; модель не проверялась на документах общего назначения с OCR, диаграммах вне обучающего распределения и сценариях, критичных к безопасности. Полноразмерные веса занимают 17,53 ГБ.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-VL-8B ChartQA — Merged 16-bit

Full merged checkpoint produced by merging steven0226/qwen3vl-8b-chartqa-lora into its Qwen3-VL-8B base. This is the quality reference used before AWQ quantization and the 16-bit serving baseline.

Training summary

  • 15,000 shuffled ChartQA training examples
  • 1 epoch; maximum sequence length 2,048
  • LoRA rank 16, alpha 16, dropout 0
  • Vision, language, attention, and MLP modules enabled for LoRA adaptation
  • Effective A100 batch size 16
  • 8-bit AdamW; peak learning rate 2e-4; linear schedule
  • Runtime 3,579 seconds; final training loss 0.5907

Evaluation

Complete ChartQA test set, isolated vLLM evaluation, relaxed accuracy with 5% numeric tolerance:

SplitnAccuracy
Human1,25077.28%
Augmented1,25095.20%
Overall2,50086.24%

Evaluation revision: 519060ef43df3261e0512e5ae4c82a4d4e675f32.

The downstream AWQ checkpoint scored 85.52%, a -0.72 pp change that passed the predefined -2 pp quality gate.

Serving reference

The formal A100 benchmark used this checkpoint as the 16-bit baseline. Weight files total 17.53 GB.

ConcurrencyOutput tok/sTTFT p95TPOT p95E2E p95
167.29160.76 ms13.43 ms/tok1,007.16 ms
4231.02299.78 ms15.04 ms/tok1,169.61 ms
8387.58473.68 ms18.33 ms/tok1,426.90 ms
16595.06806.77 ms24.14 ms/tok2,005.45 ms

Complete comparison and reproducibility artifacts are in the AWQ repo bench/.

Usage

This is a standard merged Qwen3-VL checkpoint. It can be loaded with a Qwen3-VL-compatible Transformers/vLLM environment. The verified serving stack was vLLM 0.25.1+cu129 with torch 2.11.0+cu129 on Linux A100.

from vllm import LLM

llm = LLM(
    model="steven0226/qwen3vl-8b-chartqa-merged-16bit",
    revision="519060ef43df3261e0512e5ae4c82a4d4e675f32",
    max_model_len=4096,
    limit_mm_per_prompt={"image": 1, "video": 0},
)

For a complete image/chat example, use the AWQ model card and replace the model ID/revision.

Limitations

  • Evaluated primarily on English ChartQA short answers.
  • Not validated for general OCR documents, out-of-domain charts, or safety-critical use.
  • This checkpoint is the larger quality reference; the AWQ checkpoint is recommended for serving when its -0.72 pp quality tradeoff is acceptable.

中文摘要

這是將 ChartQA LoRA adapter 合併回 Qwen3-VL-8B 後的 16-bit 完整模型,也是 AWQ 量化前的品質與 serving baseline。完整 2,500 題 vLLM 評估為 86.24%;權重檔 17.53 GB。若部署可接受 0.72 個百分點的下降,建議改用 7.55 GB 的 AWQ 版本。

Source repository

程式碼、訓練與評估流程、測試與完整證據都在 GitHub:https://github.com/kuotunyu/qwen3-vl-chartqa。GitHub kuotunyu 與 Hugging Face steven0226 為同一人。

Source code, the training/evaluation pipeline, tests and the full evidence trail live at https://github.com/kuotunyu/qwen3-vl-chartqa. GitHub kuotunyu and Hugging Face steven0226 are the same author.

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
ff8e169

0 моделей