Qwen3.5-4B: визуальный ассистент среднего размера

Для Qwen3.5-4B уместен не абстрактный вопрос «что на картинке?», а задача с проверяемой структурой. Возьмите разрешённую диаграмму процесса с пятью блоками и потребуйте перечислить только связи, реально показанные стрелками. Затем отдельно спросите, какой блок получает документ после проверки. В эталоне отметьте направления стрелок, исключения и подписи. Если модель правильно пересказывает общий смысл, но разворачивает одно ребро графа, такой ответ неверен для автоматизации. Паспорт подтверждает визуальный вход и post-trained формат, однако не обещает детектор всех мелких надписей. Для сложных таблиц понадобится явная вычитка значения и позиции ячейки человеком или другая процедура контроля.

В model overview нативная длина указана как 262 144 токена, а около миллиона — как расширяемый режим. Эти числа относятся к токенам и настройке inference, а не к гарантированному числу читаемых страниц или пикселей. Если скан низкого качества, увеличение контекстного лимита не восстановит символы. Отдельный Qwen3.5-4B-Base не следует смешивать с данным post-trained checkpoint. Лицензия опубликованных весов Apache-2.0; коммерческие права на изображения и правила обращения с персональными данными проверяются отдельно. Самостоятельный vLLM-сервер может предоставить локальный API, но HF-карточка не доказывает, что облачный сервис обслуживает точный ID или что у него известная цена. Сохраняйте ревизию и способ обработки картинки для повторяемого теста.