/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
66,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-32B-Instruct
Библиотека
transformers
Опубликована
16 мая 2026

VEFX-Reward-32B

Классификация видеоВидео → label3 профессии

Мультимодальная модель на 32 млрд параметров оценивает, насколько отредактированное видео соответствует текстовой инструкции и сохраняет качество без лишних изменений.

107скачиваний за 30 дней3лайкавеса обновлены16 мая 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

VEFX-Reward-32B — мультимодальная модель оценки качества редактирования видео, разработанная Visko Platform на базе Qwen3-VL-32B-Instruct. Она оценивает, насколько результат текстовой инструкции по монтажу соответствует заданию, сохраняет качество изображения и временную согласованность, а также изменяет только нужные области без побочных эффектов. Для каждого измерения модель выдаёт оценку по шкале от 1 до 4: следование инструкции (IF), качество рендеринга (RQ) и исключительность изменений (EE).

Модель содержит 32 млрд параметров и использует архитектуру Qwen3-VL. Она предназначена для оценки отредактированных видео по текстовой инструкции; для запуска в bfloat16 требуется около 65 ГБ видеопамяти, а авторы проверяли её на NVIDIA H100 с 80 ГБ. Лицензия — Apache-2.0.

Сценарии применения

  • Оценка соответствия смонтированного видео текстовой инструкции
  • Проверка визуальной чёткости и временной согласованности после монтажа
  • Выявление физических несоответствий в отредактированном видео
  • Проверка, что монтаж затронул только заданные области
  • Сравнение качества результатов редактирования видео по трём критериям

Ограничения

Для запуска в bfloat16 требуется около 65 ГБ видеопамяти. Модель оценивает результаты редактирования по трём указанным критериям и сама не выполняет монтаж видео.

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

VEFX-Reward-32B

VEFX-Reward-32B is the 32B-parameter variant of the VEFX-Reward family — a video editing quality reward model based on Qwen3-VL-32B-Instruct. It scores text-driven video edits on three dimensions on a 1–4 scale:

DimensionWhat it measures
IF — Instructional FollowingDoes the edit accurately reflect the editing instruction?
RQ — Render QualityVisual clarity, temporal consistency, physical plausibility
EE — Edit ExclusivityWere only the intended regions modified, without side-effects?

Quick Start

git clone https://github.com/Visko-Platform/VEFX-Bench.git
cd VEFX-Bench
pip install -e .
from vefx_reward import VEFXReward

model = VEFXReward("viskoplatform/VEFX-Reward-32B", device="cuda")

scores = model.score(
    original_video="examples/sample_videos/object_removal_original.mp4",
    edited_video="examples/sample_videos/object_removal_edited.mp4",
    instruction="Remove the woman with the grey backpack walking on the right side of the frame.",
)
print(scores)
# {'IF': 3.69, 'RQ': 3.70, 'EE': 3.26, 'Overall': 10.65}

Hardware: ~65 GB VRAM (bfloat16). Tested on a single NVIDIA H100 80 GB.

Citation

@article{gao2026vefx,
  title={VEFX-Bench: A Holistic Benchmark for Generic Video Editing and Visual Effects},
  author={Gao, Xiangbo and Jiang, Sicong and Liu, Bangya and Chen, Xinghao and Yang, Minglai and Yang, Siyuan and Wu, Mingyang and Yu, Jiongze and Zheng, Qi and Wang, Haozhi and others},
  journal={arXiv preprint arXiv:2604.16272},
  year={2026}
}

License

Apache 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · video-classification

Нельзя запустить

Для архитектуры qwen3_vl нет загрузчика под задачу video-classification.

Класс архитектуры
Qwen3VLRewardModelBT
Ревизия весов
b3abce1

0 моделей