跳过主要内容
广告OpenFree logo推广你的产品触达更多潜在用户,助力产品增长与收益提升。投放广告
Favicon of Qwen3-VL

Qwen3-VL

Free 等级项目

Qwen3-VL 是 Qwen 团队(阿里巴巴云)开发的多模态大语言模型系列,提供密集和 MoE 架构,具备高级视觉推理、长上下文和扩展 OCR 能力。

访问 QwenLM/Qwen3-VL

项目简介

Qwen3-VL 是 Qwen 团队(阿里巴巴云)开发的多模态大语言模型系列。它在文本理解与生成、视觉感知与推理、扩展上下文长度、空间与视频动态理解以及智能体交互能力等方面进行了全面升级。它提供从边缘到云端的密集和 MoE 架构,并有 Instruct 和推理增强的 Thinking 版本。

核心功能

  • Visual Agent:操作 PC/移动 GUI——识别元素、理解功能、调用工具、完成任务。
  • Visual Coding Boost:从图像/视频生成 Draw.io/HTML/CSS/JS。
  • Advanced Spatial Perception:判断物体位置、视角和遮挡;提供更强的 2D 定位并支持 3D 定位。
  • Long Context & Video Understanding:原生 256K 上下文,可扩展至 1M;处理书籍和数小时视频,具备完整回忆和秒级索引。
  • Expanded OCR:支持 32 种语言(从 10 种升级);在低光、模糊和倾斜下稳健;更好地处理稀有/古代字符和术语。
  • Enhanced Multimodal Reasoning:擅长 STEM/数学——因果分析和基于逻辑、证据的答案。

适用场景

  • 全识别:识别动物、植物、人物、景点以及汽车和商品等各种物体。
  • 文档解析:包含布局位置信息和 Qwen HTML 格式。
  • 视频理解:包括视频 OCR、长视频理解和视频定位。
  • 移动端和计算机使用代理:用于 GUI 控制。

快速开始

  • 安装 transformers 4.57.0 或更高版本:pip install "transformers>=4.57.0"。
  • 使用 ModelScope 下载检查点,尤其推荐中国大陆用户使用。
  • 使用 Transformers 的 AutoModelForImageTextToText 和 AutoProcessor 加载 Qwen3-VL-235B-A22B-Instruct 等模型,然后应用聊天模板进行推理。

部署与要求

  • 需要 transformers 4.57.0 或更高版本。

采用前须知

  • 许可证:Apache-2.0。在使用、修改或分发项目前,请确认其具体条款。

评论

登录 后发表评论。

更多类似 Qwen3-VL 的项目

Favicon of Edge0

Edge0

Free 等级项目星标数: 11K

面向端侧 AI 的设备原生基础模型

语言模型

Edge0 提供设备原生基础模型与开源流式 MoE 推理框架,可在笔记本上运行 145B、在手机上运行 35B 等大型稀疏模型,通过 SSD 流式加载权重,支持离线端侧处理与零令牌成本。

Favicon of kimi-k3-in-c

kimi-k3-in-c

Free 等级项目星标数: 10K

用 C99 在单 CPU、8 GB 内存上运行 2.78 万亿参数 Kimi K3

语言模型

通过从磁盘流式读取模型而非全部载入内存,kimi-k3-in-c 可在单 CPU、8.24 GB 峰值内存下运行 2.78 万亿参数的 Kimi K3。项目使用可移植 C99,不依赖 BLAS、框架或 GPU。

Favicon of nanochat

nanochat

Free 等级项目星标数: 60.1K

单张 GPU 节点上端到端训练 LLM 的极简实验框架

语言模型

nanochat 是一个极简、可修改的 LLM 训练实验框架,覆盖分词、预训练、微调、评估和推理,可在单张 GPU 节点上端到端运行,并被称为“100 美元能买到的最好的 ChatGPT”。