Агентная мультимодальная модель на базе Qwen2.5-Omni-7B, которая активно выбирает кадры и аудио для ответов на вопросы о видео.

Подходит для: ответы на вопросы о содержании длинных видео · поиск событий и их временной последовательности в ролике · локализация событий во времени по видеозаписи