Компактная мультимодальная модель на базе Qwen2.5-1.5B для диалогов по изображениям и генерации ответов на визуальные запросы.

Подходит для: ответы на вопросы о содержимом изображения · распознавание и чтение текста на изображениях · решение математических задач по изображению