Qwen3-VL-Outpost

מה זה

מעלים תמונה, כותבים הוראה מילולית ומקבלים ניתוח טקסטואלי שמבוסס על הראייה הממוחשבת של המודל. אפשר לשלוט ידנית על פרמטרים של יצירה כמו טמפרטורה שמוגדרת כברירת מחדל על 0.6, ענישת חזרתיות על 1.2, ומגבלות של top-p ו־top-k.

מאחורי הקלעים רץ אוסף של חמישה מודלים שונים לבחירה: גרסאות 2B, 4B ו־8B ממשפחת Qwen3-VL, לצד גרסאות 3B ו־7B מסדרת Qwen2.5-VL הוותיקה יותר. המערכת משתמשת בספריית flash-attn2 כדי להאיץ את תהליך עיבוד הקלט.

הדוגמאות המובנות בממשק מדגימות שלושה שימושים ספציפיים. הראשונה מבצעת חילוץ טקסט מתמונה עם מודל ה־4B, השנייה מנתחת אמצעי בטיחות ומכריעה אם סיטואציה בטוחה באמצעות מודל ה־8B, והשלישית פותרת בעיה מתוך תמונה עם מודל ה־2B.

מתאים ל

• חילוץ טקסט מתמונות

  זיהוי וקריאה של כיתובים מתוך צילומים באמצעות פקודת OCR ישירה.

• הערכת בטיחות חזותית

  סריקת תמונת שטח והפקת תיאור של אמצעי זהירות שקיימים או חסרים במקום.

• השוואת מודלים זה מול זה

  בדיקת אותה התמונה מול גרסאות בגדלים שונים כדי לבחור את המשקל המתאים לפיתוח.

איפה זה נופל

הכלי מיועד לניתוח של תמונה בודדת מול הנחיית טקסט, כך שאי אפשר להזין סרטוני וידאו או לערוך שיחה מרובת שלבים באותו הקשר. ההדגמה מתמקדת במשימות מוגדרות היטב כמו קריאת שלטים או בדיקות בטיחות נקודתיות, ועלולה ליצור רושם מוטעה של אמינות מוחלטת בפתרון בעיות מורכבות.

המודלים הקטנים כמו ה־2B וה־3B נוטים לטעויות בפענוח עדין ואינם זהים בדיוקם למודל ה־8B. כדאי לבדוק היטב תוצאות של חילוץ נתונים קריטיים לפני שמסתמכים עליהן.

איך משתמשים

בוחרים מודל מתוך הרשימה, מעלים קובץ תמונה ומקלידים את השאלה בחלון הקלט. לחיצה על כפתור השליחה שולחת את הבקשה למעבד הגרפי, ואפשר להעתיק את הפלט ישירות מהממשק.

הקוד רץ על חומרת zero-a10g שמקצה מאיץ גרפי לפי דרישה עם הגבלת זמן הרצה שמוגדרת בקוד ל־60 שניות. המשמעות היא שאם המאיץ אינו פעיל באותו רגע תהיה המתנה קצרה לעלייתו, ופניות ארוכות מדי עלולות להיעצר כשהזמן יסתיים.

הרישיון

הפרויקט מפורסם תחת רישיון creativeml-openrail-m שמתיר שימוש פתוח אך כולל מגבלות שימוש שנועדו למנוע פגיעה, אפליה או פעילות בלתי חוקית. התוכן שאתם מעלים מועבר לשרתים לצורך העיבוד, ואין התחייבות לפרטיות מוחלטת של המידע שמוזן לחומרה המשותפת.

• שימוש מסחרי
• שינוי הקוד
• מגבלות שימוש ברישיון

הרישיון המלא ב־Hugging Face ↗