Qwen3-VL: визуально-языковой текстовый энкодер

Qwen3-VL: последняя визуально-языковая модель Alibaba для использования в качестве текстового энкодера ComfyUI, доступная в вариантах 4B и 8B с квантизацией bf16, fp8 и nvfp4.

Q

Qwen3-VL

Визуально-языковаяТекстовый энкодерOCRАгентОткрытый исходный код

Последняя визуально-языковая модель серии Qwen (Alibaba Cloud). Обеспечивает всесторонние улучшения в понимании текста, визуальном восприятии, расширенном контексте (256K нативно, расширяемо до 1M) и взаимодействии с агентами. Упакована в виде чекпоинтов текстового энкодера ComfyUI размером 4B и 8B с опциями квантизации bf16, fp8 scaled и nvfp4.

Hugging FaceGitHubБлогЧат
РазработчикAlibaba Cloud (команда Qwen)
Дата релиза2025-07
АрхитектураПлотный и MoE визуально-языковой трансформер
ЛицензияApache-2.0
Варианты4B (плотный), 8B (плотный)
Контекстное окно256K нативно (расширяемо до 1M)
КвантизацииBF16, FP8 scaled, NVFP4 (только 8B)
ВозможностиВизуальный агент, OCR (32 языка), визуальное кодирование, пространственное восприятие, понимание длинных видео

Guides and workflows related to this model series.

No articles found.