Alibaba выпустила мощную мультимодальную модель
habr.comAlibaba выпустила мощную мультимодальную модель Qwen3-VL, доступную в двух версиях — 4B и 8B параметров. Она работает с текстом и изображениями, поддерживает контекст длиной 256 тысяч токенов, который при необходимости может быть расширен до 1 миллиона, и демонстрирует впечатляющую способность распознавать как объекты, так и сцены в реальном мире.Одной из главных особенностей Qwen3-VL стала поддержка открытой лексики.
Модель понимает всё: от бытовых товаров и логотипов до знаменитостей и архитектурных объектов. Благодаря этому она способна не просто анализировать изображения, а интерпретировать их контекст.В Qwen3-VL реализованы два ключевых режима работы: Instruct и Thinking.
