Qwen3 VL 4B Instruct
Athbhreithniú deireanach:
Ceannasacht agus óstáil
Tá an tsamhail seo catalógaithe mar thagairt. Níl sí á hóstáil ar LLM EU fós, agus ní sheirbheálann aon phointe deiridh céadpháirtí í anseo. Téann iarratais chuici chuig an soláthraí go díreach, faoi théarmaí an tsoláthraí sin féin.
Achoimre
Is samhail fís-teanga meánmhéide, oscailte-mheáchain é Qwen3 VL 4B Instruct ó Alibaba Qwen: 4.4B paraiméadair faoi Apache-2.0. Glacann sé le téacs agus íomhánna agus freagraíonn sé i dtéacs. Níl aon fhuinneog comhthéacs taifeadta sa chumraíocht foilsithe, mar sin níl aon cheann ar an gcárta seo. Tá an seicphointe tiúnta le haghaidh treoracha agus cuimsíonn sé teimpléad comhrá. Níl an cárta ach le haghaidh catalóige: Ní ritheann LLM EU an tsamhail seo. Ní luann an foilsitheoir aon chlúdach teanga ar leathanach an tsamhail.
Sonraíochtaí
- Soláthraí
- Alibaba Qwen (CN)
- Fuinneog comhthéacs
- Gan fhíorú: níl an t-éileamh seo doiciméadaithe ag an soláthraí.
- Paraiméadair
- 4.4B
- Módlachtaí
- text, vision
- Ceadúnas
- apache-2.0 · licence
- Meáchain oscailte
- yes
- Dáta scaoilte
- 11 DFómh 2025
- Tascanna
- Fís, Costas íseal, Tacaíocht ilteangach
Teangacha
Láidir: —
Sásúil: —
Láidir
Sásúil
Gan fhíorú: níl an t-éileamh seo doiciméadaithe ag an soláthraí. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Cathain a úsáidtear é
Láidreachtaí
- 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
Teorainneacha
- 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