Qwen: Qwen3 VL 8B Thinking

Qwen3-VL-8B-Thinking — это оптимизированный для рассуждений вариант мультимодальной модели Qwen3-VL-8B, разработанный для продвинутого визуального и текстового рассуждения над сложными сценами, документами и временными последовательностями. Он интегрирует улучшенное мультимодальное согласование и обработку длинного контекста (нативный 256K, расширяемый до 1M токенов) для задач, таких как научный визуальный анализ, причинно-следственное выводы и математическое рассуждение над изображениями или видеовводами.

По сравнению с изданием Instruct, версия Thinking вводит более глубокую визуально-языковую фузию и продуманные пути рассуждения, которые повышают производительность в задачах длительной логической цепочки, решении задач STEM и многошаговом понимании видео. Она достигает более сильного временного привязывания благодаря Interleaved-MRoPE и встраиваниям, учитывающим временные метки, при этом сохраняет надёжный OCR, многоязычное понимание и генерацию текста на уровне крупных LLM, работающих только с текстом.