К содержимому
Компьютерное зрение

Qwen3.5-4B

компактная мультимодалка с контекстом до 1 млн токенов

2 мин чтенияобновлено

Qwen3.5-4B — мультимодальная LLM (языковая модель с визуальным энкодером) от Qwen: принимает текст и изображения, а на выходе даёт текстовые ответы, рассуждения, код и разбор картинок. Она построена на базе Qwen3.5-4B-Base и относится к новому поколению Qwen3.5. По карточке, единое vision-language обучение с early fusion даёт паритет с Qwen3 и превосходит Qwen3-VL в reasoning, coding, agents и visual understanding. Архитектура гибридная — Gated DeltaNet плюс разреженный Mixture-of-Experts, с акцентом на высокую пропускную способность и низкую задержку. Заявлены 201 язык и диалект, нативный контекст 262 144 токена с расширением до 1 010 000. Пригодится для мультимодальных ботов, агентов, анализа документов и скриншотов.

Ключевые особенности

  • Единая vision-language модель: early fusion на мультимодальных токенах, паритет с Qwen3 и лучше Qwen3-VL на ряде бенчмарков.
  • Гибридная архитектура Gated DeltaNet + sparse MoE для быстрого инференса с низкой задержкой.
  • Поддержка 201 языка и диалекта.
  • Контекст 262 144 токена нативно, расширяется до 1 010 000.
  • RL масштабировали на среды с миллионами агентов — заявлена устойчивость к реальным задачам.

Что можно сделать

  • Собрать мультимодального Telegram-бота: он принимает фото или скриншот и отвечает текстом, например разбирает интерфейс или таблицу.
  • Запустить агента для кода в vLLM, SGLang или Transformers: генерация, ревью и объяснение кода с опорой на изображения.
  • Анализировать длинные PDF, логи и переписки в пределах 262K контекста.
  • Сделать многоязычного ассистента для 201 языка и диалекта.

Пример

Промпт: «Опиши, что не так на этом скриншоте интерфейса, и предложи исправления». На выходе — текстовый разбор изображения и список правок. Модель также можно попросить объяснить код на скриншоте или сверить данные в таблице.

ПодробнееПодробнее
MMLU-Pro — 79.1, GPQA Diamond — 76.2, IFEval — 89.8, LongBench v2 — 50.0.
4B параметров, 32 слоя, hidden size 2560; нативный контекст 262 144 токена, расширяется до 1 010 000.
Совместима с Hugging Face Transformers, vLLM, SGLang и KTransformers.
Требования к VRAM в карточке не указаны.
Обсудить Telegram 0 25

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.7 GB · готовые файлы10 GB
  • FP8 / INT8рекомендуемвеса 4.3 GB5.3 GB
  • 4-bitвеса 2.4 GB3.2 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: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2080 Ti

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.

    # umut3200/Qwen3.5-4B
    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 umut3200/Qwen3.5-4B --local-dir ~/models/Qwen3.5-4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-4B
  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/Qwen3.5-4B-Base

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

umut3200/Qwen3.5-4B
Автор
umut3200
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Cevra-ToolChoice-4B

Cevra-ToolChoice-4B