Skip to content
Computer vision

AgentMujo Qwen3-VL-30B-A3B LoRA

адаптер с защитой от забывания

2 min readupdated

AgentMujo Qwen3-VL-30B-A3B LoRA (v3) — это LoRA (небольшая надстройка над базовой моделью), обученная для вызова инструментов (tool-calling), рассуждений и извлечения данных со счетов-фактур на изображениях. Адаптер создан автором renatoschust поверх мультиязычной VLM (визуально-языковой модели) Qwen/Qwen3-VL-30B-A3B-Instruct архитектуры MoE (смесь экспертов, где из 31 млрд параметров активно только 3 млрд). Главная особенность релиза — двухэтапное обучение с реплеем данных, которое не даёт модели терять базовые навыки арифметики и честного отказа от выдуманных сущностей после мультимодального дообучения. Модель поддерживает английский, боснийский, хорватский и сербский языки и пригодится разработчикам агентов для работы с документами и внешними API.

Ключевые особенности

  • Двухэтапное обучение без деградации: сначала модель дообучили на вызовах инструментов, арифметике и проверке на выдуманные сущности, а затем провели короткий микро-проход на 50 синтетических счетах с реплеем текстовых задач.
  • Рост точности в бенчмарках: на наборе Bench v2 результат вырос с 82.3% у базовой модели до 88.1%, а точность в тесте на честность (b4_honesty) достигла 100% против 47% у оригинала.
  • Работа со счетами (Invoice VLM): адаптер уверенно распознаёт поставщика, номер и дату счёта (по 20/20 на тестовом наборе) и итоговую сумму (18/20).
  • Лёгкий адаптер: параметры LoRA r=8, alpha=16 легко подключаются к основной модели через библиотеку peft или движок vLLM.

Что можно сделать

  • Автоматизировать первичный разбор счетов-фактур и накладных на поддерживаемых языках с извлечением поставщика, номера, даты и суммы.
  • Использовать в качестве «мозга» для мультимодальных агентов, которым нужно одновременно понимать картинки, считать и вызывать внешние функции.
  • Взять за основу рецепт двухэтапного файнтюна (с реплеем арифметики и отказов), если вы дообучаете VLM под свои задачи и сталкиваетесь с забыванием базовых навыков.

Пример

В карточке приведён сценарий оценки через vLLM с тензорным параллелизмом TP=8 и temperature=0: модели подаётся изображение счёта-фактуры (в тестах использовались синтетические документы в валюте BAM со ставкой НДС 17%) или запрос на вызов инструмента. На выходе модель формирует рассуждение, корректные аргументы функции (96% точности на b5_toolargs) или извлечённые поля документа, при этом честно отказываясь отвечать на запросы о несуществующих объектах.

ПодробнееОбучение: суперкомпьютер LUMI-G (8× AMD MI250X GCDs, ROCm 7.2, bfloat16); этап v2 — 2729 шагов (lr=5e-5), этап v3 — 120 шагов (lr=2e-5).
Метрики: Bench v2 — 88.1% (617/700), b1_arith — 75.3%, b2_needle — 99.0%, b4_honesty — 100%.
Ограничения: в тесте файлового агента E-F без строгого системного промпта доля ложных срабатываний (false-success) составляет 12% (6/50) против 0% у базовой модели; в продакшене рекомендуется использовать политику strict или внешнюю проверку выполнения.
Discuss Telegram 0 20

Will it run?

Runs in 4-bit

Full precision does not fit, a quantised version does: quality barely changes down to 8 bits, more noticeably at 4 bits.

  • BF16weights 58 GB · ready files64 GB
  • FP8 / INT8recommendedweights 29 GB32 GB
  • 4-bitweights 16 GB18 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

This is a LoRA: counted together with its base model Qwen3-VL-30B-A3B-Instruct.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # renatoschust/agentmujo-qwen3-vl-30b-a3b-lora
    # ===== Tokens: paste yours between the quotes =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens, for gated models
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Qwen/Qwen3-VL-30B-A3B-Instruct --local-dir ~/models/Qwen3-VL-30B-A3B-Instruct
    hf download renatoschust/agentmujo-qwen3-vl-30b-a3b-lora --local-dir ~/models/agentmujo-qwen3-vl-30b-a3b-lora
    # The model is in ~/models. How to run it is in the model card (link above).
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

Requires the base model

Qwen/Qwen3-VL-30B-A3B-Instruct

This model is a LoRA / adapter. Download the base model first, then load this one on top.

New posts about versions of Qwen3-VL-30B-A3B-Instruct (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 3All on Hugging Face

About the model

renatoschust/agentmujo-qwen3-vl-30b-a3b-lora
Author
renatoschust
Category
Computer vision
Released
Posted

On NeyroLearn

Hugging Face

200

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments