Экспериментальная vision-language модель на базе GPT-OSS, которая отвечает на вопросы об одиночных изображениях и описывает их.

Подходит для: описание объектов и сцен на изображении · ответы на вопросы о содержимом фотографии · определение пространственных отношений между объектами