К содержимому
Компьютерное зрение

Uni-MOPD-Teacher-VQA

специалист по общим визуальным вопросам на базе Qwen3-VL

2 мин чтенияобновлено

Модель решает задачи General VQA (отвечает на вопросы по изображениям и описывает их содержимое) в рамках проекта Uni-MOPD от автора AmberHeart. Она построена на базе мультимодальной MoE-модели (Mixture-of-Experts — архитектура с маршрутизацией по экспертам) Qwen3-VL-30B-A3B-Instruct общим объёмом 31.07 млрд параметров. В отличие от базовой версии и объединенного студента Uni-MOPD, этот чекпоинт прошел узкоспециализированное дообучение с подкреплением (RL) и лидирует в своем домене среди пяти моделей линейки. Подойдет разработчикам и исследователям, которым нужен выделенный учитель или сильная VLM для анализа картинок.

Ключевые особенности

  • Основана на Qwen3-VL-30B-A3B-Instruct с сохранением исходной архитектуры и словаря.
  • Финальная стадия обучения проведена методом RL (обучение с подкреплением) строго под задачи общего VQA.
  • Входит в банк из пяти доменных учителей Uni-MOPD и может объединяться в пространстве весов с другими моделями серии.
  • Распространяется под свободной лицензией Apache 2.0 в формате bfloat16.

Что можно сделать

  • Встроить в сервисы анализа изображений и визуальные чат-боты для ответов на вопросы пользователей по фото.
  • Использовать в качестве модели-учителя при дистилляции собственных мультимодальных моделей под задачи VQA.
  • Смержить веса с другими специалистами линейки Uni-MOPD (STEM, OCR, GUI, Embodied) для создания кастомного ассистента.

Пример

from transformers import AutoProcessor, Qwen3VLMoeForConditionalGeneration

model_id = "AmberHeart/Uni-MOPD-Teacher-VQA"
model = Qwen3VLMoeForConditionalGeneration.from_pretrained(
    model_id, dtype="auto", device_map="auto"
)
processor = AutoProcessor.from_pretrained(model_id)
out = model.generate(**inputs, max_new_tokens=128)
ПодробнееРазмер: 31.07B параметров (архитектура MoE), веса в bfloat16 (14 файлов safetensors).
Бенчмарки: конкретные цифры в карточке не приведены, указано лидерство в своем домене среди 5 учителей банка.
Требования: библиотека transformers версии 4.57.1 или выше.
Обсудить Telegram 0 18

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 58 GB · готовые файлы64 GB
  • FP8 / INT8рекомендуемвеса 29 GB32 GB
  • 4-bitвеса 16 GB18 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: В домашние видеокарты не поместится — выгоднее арендовать.

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # AmberHeart/Uni-MOPD-Teacher-VQA
    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 AmberHeart/Uni-MOPD-Teacher-VQA --local-dir ~/models/Uni-MOPD-Teacher-VQA
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Uni-MOPD-Teacher-VQA
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

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

Новые посты про версии Qwen3-VL-30B-A3B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 3Все на Hugging Face

О модели

AmberHeart/Uni-MOPD-Teacher-VQA
Автор
AmberHeart
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

180

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии