Мультимодальная Qwen2.5-VL для ответов на вопросы и выполнения текстовых инструкций по скриншотам интерфейсов.

Подходит для: поиск элементов управления на скриншотах интерфейсов · ответы на вопросы по изображению интерфейса · определение нужной кнопки или поля по текстовой инструкции