Qwen: Qwen3 VL 8B Thinking

Qwen3-VL-8B-Thinking — это оптимизированный для рассуждений вариант мультимодальной модели Qwen3-VL-8B, предназначенный для расширенных визуальных и текстовых рассуждений в сложных сценах, документах и ​​временных последовательностях. Он объединяет расширенное мультимодальное выравнивание и обработку длинного контекста (собственные 256 КБ, с возможностью расширения до 1 миллион токенов) для таких задач, как научный визуальный анализ, причинно-следственные выводы и математические рассуждения над входными изображениями или видео. По сравнению с версией Instruct, версия Thinking обеспечивает более глубокое слияние визуального языка и продуманные пути рассуждения, которые повышают производительность при выполнении логических задач с длинной цепочкой, решении STEM-задач и многоэтапном понимании видео. Он обеспечивает более сильную временную привязку с помощью Interleaved-MRoPE и встраивания с учетом временных меток, сохраняя при этом надежное распознавание текста, многоязычное понимание и генерацию текста на уровне больших текстовых LLM.