Представлен метод Glance для быстрой классификации в модели Qwen3-VL-4B

Разработчики представили Glance — специализированный метод считывания данных для мультимодальной модели Qwen3-VL-4B. Инструмент позволяет получать ответы в формате «Да/Нет» или выбирать варианты из списка за один проход через нейросеть.

В отличие от стандартного подхода, Glance не генерирует текстовые токены, а напрямую считывает вероятности ответов. Это значительно сокращает время обработки запросов: система демонстрирует результат всего за 1 час при выполнении 14 тестовых итераций. Такой подход оптимизирует работу с визуальными данными, исключая этап декодирования длинных последовательностей.

Несмотря на высокую скорость, текущая версия модели имеет технические ограничения. В ходе тестов выявлено, что Qwen3-VL-4B испытывает трудности при определении относительных размеров объектов на изображениях. Также модель некорректно справляется с задачами на подсчет предметов, если их количество превышает пять единиц.

Инструмент доступен для тестирования на платформе Replicate. Метод ориентирован на задачи классификации и анализа изображений, где требуется мгновенная реакция системы без необходимости формирования развернутого текстового описания. Использование вероятностного вывода позволяет интегрировать модель в пайплайны, требующие жесткой структуры ответов.