LLM EU
Valikko
Mallit

Qwen3 VL 4B Instruct

Alibaba Qwen

Vain luettelossa Avoimet painot

Viimeksi tarkistettu:

Suvereniteetti ja ylläpito

Vain luettelossa

Tämä malli on luetteloitu viitteeksi. Sitä ei isännöi vielä LLM EU, eikä täällä ole ensimmäisen osapuolen päätepistettä, joka palvelisi sitä. Pyynnöt siihen menevät suoraan tarjoajalle, kyseisen tarjoajan omilla ehdoilla.

Yhteenveto

Qwen3 VL 4B Instruct on keskikokoinen avoimen painon visuaalisen kielen malli Alibaba Qwenilta: 4,4 miljardia parametria Apache-2.0-lisenssillä. Se hyväksyy tekstiä ja kuvia ja vastaa tekstinä. Julkaistu kokoonpano ei sisällä konteksti-ikkunaa, joten tämä kortti ei sisällä sitä. Tarkistuspiste on ohjeistettu ja sisältää chat-mallin. Kortti on vain luettelointia varten: LLM EU ei käytä tätä mallia. Julkaisija ei ilmoita kielikattavuutta mallisivulla.

Tekniset tiedot

Tarjoaja
Alibaba Qwen (CN)
Konteksti-ikkuna
Ei vahvistettu: tarjoaja ei ole dokumentoinut tätä väitettä.
Parametrit
4.4B
Modaliteetit
text, vision
Lisenssi
apache-2.0 · licence
Avoimet painot
yes
Julkaisupäivä
11.10.2025
Tehtävät
Kuvapohjaiset tehtävät, Edullinen, Monikielinen tuki

Kielet

Vahva: —

Riittävä: —

Vahva

    Riittävä

      Ei vahvistettu: tarjoaja ei ole dokumentoinut tätä väitettä. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Milloin käyttää

      Vahvuudet

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement
      • Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement
      • at 4.4B parameters it fits on a single accelerator
      • instruction-tuned checkpoint with a chat template in the repository

      Rajoitukset

      • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
      • no evaluation has been run by LLM EU
      • the published configuration records no context window, so the card carries none
      • at 4.4B parameters, the weights fit on a single modest accelerator
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model