Дообученная мультимодальная модель Qwen2-VL на 7,1 млрд параметров для ответов на текстовые запросы по изображениям.

Подходит для: ответы на вопросы о содержимом изображения · описание объектов и сцен на изображениях · диалог по загруженной картинке