К содержимому
Компьютерное зрение

Qwen2.5-VL-3B-Instruct UNCENSORED

VLM без отказов

2 мин чтенияобновлено

Это uncensored-вариант Qwen2.5-VL-3B-Instruct — компактной vision-language модели на 3 млрд параметров, которая принимает изображения, видео и текст. Автор применил ARA (Arbitrary-Rank Ablation — абляцию рангов), чтобы уменьшить число отказов: по карточке, с 99/100 у базовой модели до 3/100. KL divergence при этом составляет 0.3007. Модель сохраняет базовые умения: разбирать документы, таблицы и графики, находить объекты на изображении, понимать длинные видео и выдавать структурированный JSON. Пригодится для локальных экспериментов с VLM, визуальных агентов и разбора скриншотов, где не нужны постоянные отказы.

Ключевые особенности

  • Отказов 3/100 против 99/100 у Qwen2.5-VL-3B-Instruct.
  • Понимает изображения, графики, документы и видео длиной более часа — по описанию базовой модели.
  • Может выступать визуальным агентом: computer use, phone use и координаты объектов.
  • Поддерживает структурированный вывод для счетов, форм и таблиц.
  • В карточке язык указан как en; это не отдельная адаптация под русский.

Что можно сделать

  • Собирать данные из сканов счетов, форм и таблиц в JSON для учёта или финансовых пайплайнов.
  • Прототипировать визуального агента, который находит элементы интерфейса и возвращает их координаты.
  • Искать нужные события в длинных видео по текстовому описанию.
  • Использовать как локальную uncensored-базу для экспериментов с изображениями и видео через transformers.

Пример

from transformers import Qwen2_5_VLForConditionalGeneration, AutoProcessor
model = Qwen2_5_VLForConditionalGeneration.from_pretrained(
    "Qwen/Qwen2.5-VL-3B-Instruct",
    torch_dtype="auto", device_map="auto"
)
processor = AutoProcessor.from_pretrained("Qwen/Qwen2.5-VL-3B-Instruct")
# messages: image + text; далее processor.apply_chat_template(...)
ПодробнееОтказы: 3/100 против 99/100 у базы. KL divergence: 0.3007.
ARA: слои 14–31, preserve_good_behavior_weight 0.8194, steer_bad_behavior_weight 0.3634, neighbor_count 9.
Нужен свежий transformers: в карточке советуют сборку из GitHub и qwen-vl-utils[decord]==0.0.8.
VRAM не указана; язык в метаданных — en.
Обсудить Telegram 0 272

Запустится ли?

Запустится в GGUF F16

Влезает самая точная из готовых сжатых версий.

  • GGUF F16веса 5.8 GB · готовые файлы6.8 GB
  • GGUF Q8_0рекомендуемвеса 3.1 GB · готовые файлы3.9 GB
  • GGUF Q6_Kвеса 2.4 GB · готовые файлы3.1 GB
  • GGUF Q5_K_Mвеса 2.1 GB · готовые файлы2.8 GB
  • GGUF Q5_0веса 2.0 GB · готовые файлы2.7 GB
  • GGUF Q5_K_Sвеса 2.0 GB · готовые файлы2.7 GB
  • GGUF Q4_K_Mвеса 1.8 GB · готовые файлы2.5 GB
  • GGUF IQ4_XSвеса 1.6 GB · готовые файлы2.3 GB
  • GGUF IQ3_Mвеса 1.4 GB · готовые файлы2.0 GB
  • GGUF IQ2_Mвеса 1.1 GB · готовые файлы1.7 GB

Совет: берите 8-bit.GGUF Q8_0 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: GGUF Q8_0 — от RTX 2060 · GGUF F16 — от RTX 5060 Ti 8GB

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.

    # Kasemcyber/Qwen2.5-VL-3B-Instruct-UNCENSORED-GGUF
    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 Kasemcyber/Qwen2.5-VL-3B-Instruct-UNCENSORED-GGUF --local-dir ~/models/Qwen2.5-VL-3B-Instruct-UNCENSORED-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen2.5-VL-3B-Instruct-UNCENSORED-GGUF
  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

Новые посты про версии Qwen2.5-VL-3B-Instruct-UNCENSORED-GGUF — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Kasemcyber/Qwen2.5-VL-3B-Instruct-UNCENSORED-GGUF
Автор
Kasemcyber
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

2720

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии