Qwen-3D — мультимодальная модель на базе Qwen2.5-VL для пространственного понимания, сегментации объектов и ответов по изображениям и видео.

Подходит для: привязка текстового описания к объекту на изображении · сегментация отдельных объектов на изображении · ответы на вопросы о содержимом изображения