Qwen3-VL-4B-Thinking

Qwen3-VL-4B-Thinking — это компактная 4-миллиардная модель с усиленными возможностями цепочки рассуждений, оптимизированная для решения мультимодальных задач, требующих анализа. Модель представляет собой уникальное сочетание эффективности развертывания и продвинутых возможностей рассуждения при минимальных аппаратных требованиях.

Архитектурно модель наследует все три ключевые инновации серии Qwen3-VL: Interleaved-MRoPE обеспечивает точное пространственно-временное понимание видеоконтента, DeepStack позволяет извлекать мелкие детали через многоуровневое слияние визуальных признаков, а Text-Timestamp Alignment обеспечивает секундную точность локализации событий. Контекстное окно составляет 256K токенов с возможностью расширения до 1M, а рекомендуемая длина выходной последовательности увеличена до 40960 токенов для обеспечения достаточного пространства для развернутых цепочек рассуждений.

По показателям reasoning и мультимодальных бенчмарков модель стабильно входит в число лучших в своем классе мультимодальных моделей, опережая многие аналогичные по размеру решения, включая решения от Microsoft, OpenAI, Google и др.Сценарии применения Qwen3-VL-4B-Thinking включают: образовательные приложения, научно-исследовательские задачи, интеллектуальную обработку сложных документов с извлечением информации из определенных полей по требуемому шаблону и инструментов проверки визуальных данных.

Дата анонса: 15.10.2025
Параметров: 4B
Контекст: 263K
Слоев: 36
Тип внимания: Full Attention
Потребление памяти: 42.0 ГБ в точности 4 бит
Разработчик: Qwen
Версия Transformers: 4.57.0.dev0
Лицензия: Apache 2.0

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Qwen3-VL-4B-Thinking. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.