IV.5Образование и развитие навыков

novacardsai/qwen3-medical — дообученная командой NovaCards AI модель Sentence Transformer на базе Qwen/Qwen3-Embedding-4B для получения текстовых эмбеддингов медицинских карточек и других фрагментов текста. Она преобразует предложения и абзацы в плотные векторы размерности 2560; сходство между ними можно оценивать косинусной мерой. Максимальная длина последовательности — 40 960 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. В README приведён пример обучающих данных для медицинских флеш-карточек и оценка cosine accuracy 0,962 на проверочном наборе med_flashcard_val. Архитектура включает Qwen3Model, pooling по последнему токену и нормализацию выходного вектора. Репозиторий использует Sentence Transformers и формат safetensors. Лицензия в предоставленных данных не указана. Это модель для представления и сопоставления текстов, а не для генерации медицинских ответов; качество за пределами описанного сценария проверки из этих данных установить нельзя.

SSF-MiniLM Finetuned v2 — англоязычная модель Sentence Transformers, разработанная imocha-ai-org для сопоставления предложений из описаний вакансий со стандартизированными навыками Singapore SkillsFuture Framework (SSF). Она дообучена на базе sentence-transformers/all-MiniLM-L6-v2 и использует плотный двунаправленный BERT-энкодер с усреднённым пулингом и нормализацией. Векторы имеют размерность 384; в README указана максимальная длина последовательности 256 токенов, а метаданные задают нативное контекстное окно в 512 токенов. Модель содержит 25,9 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для извлечения и разметки навыков, семантического поиска и ранжирования соответствий между текстом и названиями навыков, в том числе в HR-системах, анализе кадров и рекомендациях обучения. В README приведены результаты на отложенной выборке для сопоставления навыков: AUC 0,995 и максимальная точность 97,1%; это результаты указанного автора тестирования. Модель не генерирует текст и рассчитана на короткие англоязычные предложения. Качество сопоставления лучше всего ожидается для навыков из 2 196 категорий SSF. Для других таксономий навыков и новых или редких терминов точность может снижаться; длинные описания вакансий рекомендуется предварительно разбивать на предложения. Обучающие примеры синтетические, а многоязычная поддержка не заявлена.

Crystalcareai/gemma-orca — дообученная Crystalcareai модель семейства Gemma с плотной архитектурой для генерации текста. Веса представлены в формате safetensors; модель содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена в течение трёх эпох на датасете Crystalcareai/slimorca-dedup-alpaca-100k. Она предназначена для генерации ответов и выполнения инструкций в широком круге сценариев, включая диалог и помощь с текстовыми задачами. В карточке упоминается ориентация на ограниченные вычислительные ресурсы, но конкретные требования и результаты оценки качества не приведены. Лицензия в доступных данных не указана.

Карточка модели sel303/llama3-diverce-ver1.0 на Hugging Face совпадает с карточкой sel303/llama3-diverce-ver1.6, поэтому описание составлено по ней. sel303 дообучил модель на базе LLaMA 3 8B Instruct, используя открытые данные AIHub и собственный набор данных предметной области. В репозитории указана архитектура LlamaForCausalLM; размер по метаданным — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. При дообучении автор ограничил обучаемую часть примерно 10% параметров и упоминает LoRA, QLoRA или другие методы PEFT как возможные способы настройки. Карточка не уточняет, какой именно метод применён и для какой предметной области создавался собственный набор данных. Лицензия — llama3; в данных обучения могут присутствовать чувствительные сведения, поэтому ответы модели требуют проверки с точки зрения конфиденциальности.

Это объединённая методом Model Stock в mergekit разговорная языковая модель на архитектуре LlamaForCausalLM с 7,5 млрд параметров. В объединение вошли несколько моделей и адаптеров на базе Llama 3, в том числе варианты для медицины, биологии, психологии, логики и описательной генерации; также использована модель, ориентированная на длинные ответы. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалогов. Её можно применять для ответов на вопросы, объяснений и рассуждений в общих и перечисленных предметных областях. Заявленная длина контекста — 131 072 токена. Карточка не описывает отдельные мультимодальные входы или выходы, поэтому модель следует рассматривать как текстовую. Модель унаследовала компоненты с разными специализациями, но README не приводит оценок качества или подробных ограничений; ответы в предметных областях следует проверять. Условия лицензии в предоставленных данных не указаны.

nanoLLaVA — компактная мультимодальная модель для диалога по изображениям, разработанная qnguyen3. Она сочетает языковую модель Quyen-SE-v0.1 на базе Qwen1.5-0.5B с визуальным энкодером google/siglip-so400m-patch14-384; в метаданных указано 463,9 млн параметров и контекст 32 768 токенов. Модель принимает текст и изображения и формирует текстовые ответы; среди сценариев — визуальные вопросы и ответы, чтение текста на изображениях и описание связи между изображением и текстом. В README приведены результаты на наборах VQA v2, TextVQA, ScienceQA, POPE, MMMU, GQA и MM-VET, однако данные обучения и код дообучения на момент публикации карточки ещё не представлены. Автор сообщает о более новой версии nanoLLaVA-1.5 с лучшей производительностью. Модель опубликована в формате Safetensors под лицензией Apache-2.0.

Карточка модели Qybera/qybera2.5-personality на Hugging Face совпадает с карточкой Qybera/qybera2.6-0, поэтому описание составлено по ней. Qybera — диалоговая языковая модель Stackpulse Cloud, обученная в Кении на базе Qwen/Qwen2.5-0.5B-Instruct. Это компактный decoder-only Transformer с архитектурой Qwen2 и 494 млн параметров; модель принимает текст и генерирует ответы в формате беседы. Она рассчитана на помощь с программированием, обучением, планированием и решением повседневных задач, общаясь в доброжелательном, поддерживающем тоне с лёгкими кенийскими разговорными выражениями. Основной язык — английский; карточка также указывает контекст длиной до 32 768 токенов. Модель подходит для учебного помощника по программированию, интеграции в инструменты разработчика и дружелюбных ботов для сообществ Восточной Африки. Лицензия — Apache 2.0. Как компактная модель примерно на 500 млн параметров, она может ошибаться в фактах и коде и уступать более крупным моделям в сложных многошаговых рассуждениях; результаты следует проверять. Кенийский сленг используется умеренно, а модель не предназначена для профессиональных медицинских, юридических или финансовых советов.

ShadowYamshadow_Strangemerges_30Pastiche — объединённая модель Mistral, созданная из automerger/ShadowYamshadow-7B и automerger/Strangemerges_30Pastiche-7B. Она предназначена для генерации текста и использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке не приведены сведения о специализации, языках или оценках качества.

ClaudioItaly/Utopy — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом TIES на основе Undi95/Utopia-13B. В репозитории указана конфигурация с несколькими вариантами плотности и весов для одной базовой модели; итоговые веса представлены в формате float16, а метаданные указывают 12,9 млрд параметров и контекст до 4096 токенов. Модель предназначена для генерации текста, диалоговых ответов и следования инструкциям. Она принимает текст и выдаёт текст; основная область применения — задачи общего назначения. В карточке не приведены отдельные сведения о языках, поэтому языковую специализацию определить нельзя. Доступна по лицензии, унаследованной от базовой модели, однако сведения о конкретной лицензии в предоставленных данных отсутствуют.

AfroLlama V1 — языковая модель Jacaranda Health на архитектуре Llama 3 с 8 млрд параметров, основанная на meta-llama/Meta-Llama-3-8B. Она дообучена для понимания и генерации текста на суахили, коса, зулу, йоруба, хауса и английском. Обучение включало продолжение предобучения с LoRA для отдельных языков, объединение языковых чекпойнтов методом TIES и настройку на наборе из примерно 331 400 пар инструкций и ответов. Модель предназначена для ответов на вопросы, диалоговых помощников и других текстовых задач на поддерживаемых языках; её можно дополнительно адаптировать под предметную область. В README приведены возможные сценарии для здравоохранения, сельского хозяйства, права, образования и государственных услуг, но результаты в специализированных областях требуют отдельной проверки. Модель принимает и генерирует текст; метаданные указывают задачу question-answering и формат Safetensors. Лицензия — CC BY-NC-SA 4.0: коммерческое использование и распространение требуют согласования с Jacaranda Health согласно README. Модель может воспроизводить ошибки и смещения, поэтому ответы не следует считать профессиональной рекомендацией; следует соблюдать опубликованные ограничения безопасного использования.

bruphin-theta — языковая чат-модель на архитектуре Mistral, созданная nbeerbower с помощью слияния SLERP моделей Weyaxi/Einstein-v4-7B и nbeerbower/bruphin-eta. Веса представлены в формате safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате: её можно использовать для ведения беседы, ответов на вопросы и выполнения инструкций. Базовая модель Einstein-v4-7B описана как чат-модель для инструкций, научных и математических вопросов; эти свойства могут быть полезны и в bruphin-theta, но README не приводит отдельных оценок её качества. Модель распространяется по лицензии Apache-2.0. Она принимает и генерирует текст; сведения о поддерживаемых естественных языках и специальных ограничениях в карточке отсутствуют.

CodeKobzar13B — генеративная языковая модель на архитектуре Llama, разработанная на основе vicuna-13b-v1.5 и обученная на материалах украинской Википедии и данных по правилам украинского языка. Модель содержит знания об истории, языке, литературе и культуре Украины и предназначена для генерации текста на украинском языке. Модель содержит 12,9 млрд параметров, принимает текст и выдаёт текст. Родная длина контекста составляет 4096 токенов. Репозиторий содержит веса в формате PyTorch. Карточка приводит шаблон запроса, но не уточняет специальные ограничения или лицензию.

DeepSeek-V4-Pro-Qwen3.5-9B — компактная языковая модель класса 9B, созданная Kottk14-02-09 на основе unsloth/Qwen3.5-9B. Это reasoning-ориентированная дистилляция ответов DeepSeek-V4-Pro в режиме Max Effect с дополнительной настройкой под математику и STEM-задачи. В README также указано сотрудничество с инженером по аппаратному обеспечению Kyle Hessling, который помогал с инфраструктурой, обучением и оцениванием. Модель предназначена для генерации текста, многошагового решения математических и научных задач, структурированного рассуждения, а также может применяться в программировании, tool use и function calling. Обучение включало примерно 250 000 примеров по математике и STEM; при этом заявлены небольшие улучшения в программировании и использовании инструментов даже без специализированных данных для SFT по коду. Поддерживаются английский, китайский, корейский, японский, испанский и русский языки. Модель относится к текстовым генеративным моделям; сведения о мультимодальности и размере контекста в README не указаны. К сильным сторонам относятся относительно небольшой размер, практичная развёртываемость и фокус на математическом и научном рассуждении. Для запуска и оценки упомянуты vLLM с NVFP4 и llama.cpp с MTP-Q8_0. Ограничения модели, точные результаты бенчмарков, качество по отдельным языкам и требования к аппаратному обеспечению не приведены, поэтому их следует проверять самостоятельно. Модель распространяется по лицензии Apache-2.0.

LeoScorpius-GreenNode-Platypus-7B-v1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением Mistral-7B-Instruct-v0.2 и LeoScorpius-GreenNode-Platypus-7B-v1 методом slerp. Она построена на архитектуре Mistral с плотной авторегрессионной моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате; поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors под лицензией Apache 2.0. Карточка не сообщает специализированных областей применения или языкового охвата, поэтому её следует рассматривать как модель общего назначения. Качество и поведение могут зависеть от сочетания двух объединённых моделей; отдельные результаты оценки в карточке не приведены.

Gunulhona/Llama-Merge-Small — объединённая диалоговая языковая модель, созданная с помощью mergekit методом SLERP из KISTI-KONI/KONI-Llama3-8B-Instruct-20240729 и meta-llama/Meta-Llama-3.1-8B-Instruct. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; веса представлены в формате safetensors. Указанная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалогах и ответов на запросы; метаданные также отмечают интерфейс для вызова инструментов. Базовая модель KISTI описана как корейская диалоговая модель для ответов на вопросы и помощи с научно-технической информацией, однако README не приводит отдельной оценки возможностей или языкового охвата именно этого объединения. Лицензия в предоставленных данных не указана.

MetaMath-Chupacabra-7B-v2.01-Slerp-Mistral-7B-Instruct-v0.2-slerp — текстовая диалоговая модель, созданная слиянием MetaMath-Chupacabra-7B-v2.01-Slerp и Mistral-7B-Instruct-v0.2 методом SLERP. В карточке указана архитектура Mistral с плотной причинной языковой моделью на 7,1 млрд параметров; модель предназначена для генерации текста и ответов на инструкции в формате чата. Модель принимает текст и генерирует текст. Максимальная длина контекста составляет 32 768 токенов. Карточка не сообщает о специализации на конкретном языке или предметной области. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. Качество и поведение слияния могут зависеть от запроса; отдельные ограничения в карточке не описаны.

zelk12/MT1-IF-gemma-2-RAt0.25v0.1GD-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из моделей zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1. Модель содержит 9 млрд параметров, принимает текстовые запросы и генерирует текст; заявленная длина контекста составляет 8192 токена. Модель предназначена для диалога и генерации текста по запросам. Весовая сборка сохранена в формате safetensors и рассчитана на использование через Transformers. Карточка не сообщает о специализированной предметной области или поддерживаемых естественных языках, поэтому её следует рассматривать как модель общего назначения. Лицензия и конкретные ограничения по качеству или безопасности в предоставленных материалах не описаны.

zelk12/MT2-Gen4-MU-gemma-2-S2N3N1532-9B — объединённая модель для генерации текста и диалогов, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp2-9B и nhyha/N3N_gemma-2-9b-it_20241029_1532. Модель основана на архитектуре Gemma 2 с плотной causal language model и содержит 9 млрд параметров; для запуска указана библиотека Transformers и формат safetensors. Модель предназначена для диалоговой генерации текста. Контекст составляет до 8192 токенов. Метаданные описывают одну из базовых моделей как дообученную на англоязычных научных статьях Gemma 2 9B, однако README не уточняет, как именно эти свойства проявляются в итоговом объединении. Лицензия в предоставленных данных не указана.

Puffin-Qwen2.5-CodeMath — объединённая языковая модель семейства Qwen2, созданная сообществом mergekit-community из Qwen/Qwen2.5-Coder-1.5B и Qwen/Qwen2.5-Math-1.5B методом SLERP. Модель с 1,5 млрд параметров предназначена для генерации текста, кода и математических рассуждений в диалоговом режиме. Модель принимает текст и генерирует текст. Её контекст составляет 4096 токенов; репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не уточняет лицензию и не приводит результаты оценивания качества, поэтому конкретные преимущества в программировании или математике не подтверждены сравнительными тестами.

sagard21 разработал эту модель на базе Salesforce/codet5-large для упрощения понимания кода: она создаёт построчные объяснения фрагментов исходного кода. Модель дообучена на небольшой выборке фрагментов Python и опубликована в форматах PyTorch и safetensors. Это модель семейства T5 с архитектурой T5ForConditionalGeneration и 385,2 млн параметров. Она предназначена для суммаризации кода; заявленная длина контекста составляет 512 токенов. Карточка приводит метрики проверки: Loss 2,156, ROUGE-1 29,375, ROUGE-2 18,128 и ROUGE-L 25,445. Лицензия — MIT. Обучение на небольшой выборке Python ограничивает обобщение на другие языки программирования и типы кода; приведённые метрики сами по себе не гарантируют качество объяснений на произвольных входных данных.

Cat-Llama-3-70B-Instruct — дообученная модель семейства Llama 3, созданная turboderp на базе Llama 3 70B. Она предназначена для диалогов и генерации ответов с точным следованием системным инструкциям, сохранением заданного персонажа и полезными развернутыми объяснениями. Среди заявленных сценариев — ролевая игра, обобщение инструкций и ответы по биомедицинским и общенаучным темам. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 8192 токенов. В README указаны обучение на парах «инструкция — ответ», фильтрация примеров по качеству и полезности, а также использование ChatML с токеном начала последовательности Llama 3. Для применения требуется лицензия Llama 3; README не приводит отдельных условий распространения или коммерческого использования сверх неё.

dots.tts.edit — авторегрессионная модель непрерывной генерации от dots.tts, предназначенная для точного редактирования речи по инструкциям и синтеза речи с нуля. Она принимает исходное аудио и инструкцию для редактирования: заменяет, добавляет или удаляет фрагменты текста, управляет эмоцией, высотой тона, темпом и паузами, улучшает речь и выполняет операции с фоновым звуком. При редактировании модель стремится сохранить голос диктора и акустический контекст вне изменяемых участков. Модель поддерживает английскую и мандаринскую речь, а результат синтеза выдаёт в формате 48 кГц. Основные веса имеют точность BF16, веса энкодера диктора и вокодера — FP32. Тот же чекпойнт поддерживает zero-shot синтез речи. В README отмечены возможные ошибки произношения, тайминга, сходства голоса и следования инструкциям. Лицензия указана как other; условия её использования следует уточнять у разработчика. Модель нельзя использовать для имитации людей без согласия, введения слушателей в заблуждение или незаконного контента.

hyt1912/electra-small-discriminator-finetuned-squad — компактная модель семейства ELECTRA, дообученная для извлечения ответов на вопросы из текста. Она принимает вопрос и контекст и предназначена для сценариев, где ответ можно найти непосредственно в предоставленном фрагменте текста. Модель содержит 20,4 млн параметров, поддерживает контекст длиной до 512 токенов и доступна в формате safetensors для библиотеки Transformers. В README указана оценка Loss 1,0458 на наборе оценки, но подробности о данных и методике оценки не приведены. Модель распространяется по лицензии Apache-2.0. Языки и специализированные области применения в доступных сведениях не определены.

mkurman/llama-3.2-MEDIT-3B-o1 — компактная языковая модель, созданная дообучением MedIT Solutions Llama 3.2 3B Instruct, основанной на Meta Llama 3.2 3B Instruct. Она использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров. Модель предназначена для генерации текста в формате инструкций, ответов на вопросы и задач рассуждения в стиле o1; в README описаны специальные теги для отделения рассуждений от итогового ответа. Модель поддерживает текстовый ввод и генерацию текста, а её контекстное окно составляет 131 072 токена. В метаданных указан английский язык. Доступны веса в форматах Safetensors и GGUF; лицензия — llama3.2. Для более стабильного точного совпадения автор рекомендует отключать сэмплирование или использовать температуру 0.0. При генерации следует настроить стоп-последовательности, иначе модель может продолжать вывод служебных тегов. Ответы могут содержать фактические ошибки и предвзятости; медицинские выводы требуют проверки специалистом.

Llama-3.3-Argunaut-1-70B-SFT — дообученная командой DebateLabKIT версия Meta Llama 3.3 70B Instruct для диалогов об аргументации и критическом мышлении. Модель основана на плотной архитектуре Llama и содержит 69,5 млрд параметров; поддерживает генерацию текста с контекстом до 131 072 токенов. Обучение с учителем проведено с помощью TRL на смеси диалогов по анализу аргументов, построению карт аргументации и набора Tülu 3. Модель предназначена для ответов на вопросы об аргументах и синтаксисе Argdown, а также для создания и разбора структурированных аргументаций в формате диалога. Она использует мультиязычную базовую модель, однако карточка не уточняет языки, охваченные специализированными данными. Для работы необходима совместимая среда Transformers; веса опубликованы в формате safetensors. Лицензия — Llama 3.3 Community License.

anthracite-org разработала Magnum v4 72B — полноразмерный чат-файнтюн Qwen2.5-72B-Instruct, созданный для генерации связной прозы с качеством, которое авторы стремились приблизить к Claude 3 Sonnet и Opus. Модель использует плотную архитектуру Qwen2, содержит 71,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель подходит для диалогов и генерации текста: написания и редактирования прозы, ответов на вопросы и следования инструкциям. В README приведён формат диалоговых сообщений, а метаданные отмечают чат и интерфейс вызова инструментов. Обучение проведено на нескольких наборах диалоговых и инструктивных данных; карточка указывает английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Авторы называют её экспериментальной и отмечают, что она обучалась поверх instruct-модели; заявленное сходство с Claude описывает цель разработки, а не независимую оценку качества.

N3N_gemma-2-9b-it_20241029_1532 — разговорная языковая модель, созданная дополнительным обучением Gemma 2 9B Instruct. Разработчик сообщает, что для дообучения использован датасет на основе 1,6 миллиона научных статей arXiv; в метаданных указана архитектура Gemma2 с плотной моделью и 9 млрд параметров. Модель принимает текст и генерирует текст, поддерживает диалог и контекст до 8192 токенов. Модель предназначена для генерации ответов и продолжения текста, в том числе для математических рассуждений и решения сложных задач. Карточка приводит результаты Open LLM Leaderboard и заявляет высокие результаты в рассуждениях, но не предоставляет подробных независимых подтверждений этих заявлений. Указанные язык обучения и карточки — английский. Лицензия — Gemma.

Это мультиязычная модель распознавания речи Microsoft, дообученная на базе openai/whisper-large-v3-turbo для речи на суахили, календжин, кикуйю, луо, масаи и сомали. Она принимает аудио и преобразует его в текст; архитектура Whisper использует трансформерный энкодер-декодер, а размер модели составляет 905,3 млн параметров. Модель предназначена для транскрибации разговорной, учебной и вещательной речи, в том числе в условиях разных акцентов и шума. Дообучение на размеченных парах аудио и текста улучшает распознавание перечисленных языков с ограниченными ресурсами. Метаданные также указывают поддержку языков базовой модели Whisper, включая русский и английский, однако специальное дообучение ориентировано на шесть языков Восточной Африки. Модель не предназначена для понимания смысла речи или принятия решений; точность может различаться между языками, а ошибки и смещения могут наследоваться от Whisper и обучающих данных. Разработчики не рекомендуют коммерческое или реальное применение без дополнительной проверки. Лицензия — MIT.

Platypus-30B — авторегрессионная языковая модель Cole Hunter и Ariel Lee, дообученная в формате инструкций на основе архитектуры LLaMA-30B. Она предназначена для генерации ответов на запросы и выполнения инструкций на английском языке. Модель содержит около 32,3 млрд параметров, использует плотную архитектуру LLaMA и контекст до 2048 токенов. Для дообучения использовался тщательно отобранный набор пар «вопрос — ответ»; авторы приводят результаты оценки на ARC, HellaSwag, MMLU и TruthfulQA. Модель может выдавать токсичные, вредные или предвзятые ответы, а её ответы не следует считать достоверным источником или заменой человеческому суждению. Карточка указывает, что базовые веса LLaMA распространяются по специальной некоммерческой лицензии Meta; метаданные модели обозначают лицензию как other.

svjack подготовил вариант Qwen3-VL-4B-Instruct с ослабленными отказами: по приведённому сравнению доля отказов составила 7 из 100 против 92 из 100 у исходной модели, при этом KL-дивергенция равна 0,29. Это мультимодальная модель семейства Qwen3-VL с плотной архитектурой, предназначенная для диалогов с текстом и изображениями. Она может описывать изображения, отвечать на вопросы по ним, распознавать текст и выполнять задачи визуального рассуждения. В README приведены характеристики базовой модели, включая заявленный контекст 256 тысяч токенов с возможностью расширения до 1 миллиона, понимание видео, OCR для 32 языков, пространственное рассуждение и взаимодействие с инструментами; эти характеристики не подтверждены отдельными результатами для изменённого варианта. Модель распространяется в формате safetensors по лицензии Apache 2.0.