Qwen: Qwen3 VL 8B Thinking

Qwen3-VL-8B-Thinking — это оптимизированная для логического вывода версия мультимодальной модели Qwen3-VL-8B, разработанная для глубокого визуального и текстового анализа сложных сцен, документов и временных последовательностей. Модель сочетает в себе улучшенное мультимодальное выравнивание и поддержку длинного контекста (нативно 256K, с возможностью расширения до 1 млн токенов) для решения таких задач, как научный визуальный анализ, причинно-следственные выводы и математические вычисления на основе изображений или видео.

В отличие от версии Instruct, версия Thinking предлагает более глубокое слияние визуальных и языковых данных и выстраивает осознанные логические цепочки. Это значительно повышает эффективность при выполнении задач с длинными логическими связями, решении STEM-задач и многоэтапном анализе видео. Модель демонстрирует улучшенную временную привязку благодаря технологиям Interleaved-MRoPE и эмбеддингам с учетом временных меток, сохраняя при этом высокие показатели в распознавании текста (OCR), многоязычном понимании и генерации текста на уровне крупных текстовых языковых моделей.