Mindket
简体中文
English简体中文
登录注册
商店MCP技能计算器学习价格博客
发现
研究313写作59商务95法律13财务33营销175开发1,430效率391教育81陪伴14
帮助与支持
语言
English简体中文

Qwen3.5-0.8B

由 Qwen 制作工具包开发
新上架第 1 版 · 更新于
点赞

概览

读取图片和文字并用文字回复，来自 Qwen 的 873M 小模型。适合想用轻量多模态基础模型做原型或微调的开发者和研究者。

Qwen3.5-0.8B 是一款工具包，属于开发类，由 Mindket 上架。可免费获取。当前为第 1 版，最近更新于 。在本页下载，是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python
  • huggingface_hub 包
  • Transformers，或者 vLLM、SGLang、KTransformers 之一
  • 放得下权重的空间，BF16 约 1.7 GB，按估算 4-bit 约 437 MB
用在
  • Hugging Face Transformers，模型卡列出了这个库
  • vLLM、SGLang 和 KTransformers，模型卡说这些文件可以配合使用
  • Windows、macOS 或 Linux，你可以用 Python 下载文件
先运行
pip install -U huggingface_hub
hf download Qwen/Qwen3.5-0.8B

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Qwen3.5-0.8B 是 Qwen 的小型模型，接收图片和文字，用文字回答。它是 Qwen3.5-0.8B-Base 的后训练版本，打包成了 Hugging Face Transformers 格式。模型卡说它的规模适合做原型、针对单一任务微调和研究。

适合谁

适合想要一个紧凑多模态模型作为起点的开发者和研究者。

行业谁在用怎么用例子
软件开发者为读取图片和文字的应用做原型回答关于截图问题的演示
研究研究者先在小模型上试想法，再上大模型针对窄任务的微调实验
教育学生学习视觉语言模型怎么加载和运行一个询问照片内容的课堂练习

需要在难题上拿到最高准确率的人可以跳过它，因为模型卡把这个规模定位在做原型和研究，而不是成品。

用在哪里

  • Hugging Face Transformers，模型卡列出了这个库
  • vLLM、SGLang 和 KTransformers，模型卡说这些文件可以配合使用
  • Windows、macOS 或 Linux，你可以用 Python 下载文件
用途谁用得到什么
图片问答开发者对你提供的图片给出文字回答
微调的基础机器学习工程师一个用于特定任务版本的小起点
多语言文本研究者在模型卡列出的 201 种语言和方言上处理文本

如何设置

你需要先准备：

  • Python
  • huggingface_hub 包
  • Transformers，或者 vLLM、SGLang、KTransformers 之一
  • 放得下权重的空间，BF16 约 1.7 GB，按估算 4-bit 约 437 MB
  1. 安装 Hugging Face hub 包。
  2. 把模型文件下载到你的电脑。
  3. 在你选的库里加载模型。
pip install -U huggingface_hub
hf download Qwen/Qwen3.5-0.8B

如何使用

在 Transformers 里加载模型，给聊天消息附上一张图片，再问一个关于它的问题。回复以文字形式返回。你也可以只发文字。

示例

你附上一张照片，问 "What is in this picture?"，模型会用文字回答。它是个小模型，所以在依赖它的答案之前，先用你自己的图片检查一下。

新手与专家

视觉语言模型会同时看图片、读你的文字，然后写出答案。第一步可以试一张照片加一个简单的问题，看看它怎么回复。

对专家来说，它是带视觉编码器的因果语言模型，有 24 层，原生上下文为 262,144 个 token。它的层交替使用 Gated DeltaNet 和门控注意力块，模型卡说它用多步 MTP 训练。小尺寸是以准确率为代价的：在非思考模式的 MMLU-Pro 上，模型卡给出它是 29.7，而 Qwen3-4B-2507 是 69.6。

  1. 给它一张图片和一个问题
  2. 视觉编码器读取图片
  3. 语言模型读取图片和文字
  4. 它写出文字回复

注意事项

其他人做的版本
量化版421
微调版739
  • 大小：873M 参数，Safetensors 格式
  • 上下文：原生 262,144 个 token
  • License: apache-2.0
  • Cost to run: 没有提到，不需要 API 密钥或账号
  • Data it reaches: 它会从 Hugging Face 下载模型文件，并处理你提供的图片和文字
  • Not for: 超出做原型、微调和研究的用途，模型卡说它就是为这些而做的

README 和文件

README

Qwen3.5-0.8B

读取图片和文字并用文字回复，来自 Qwen 的 873M 小模型。适合想用轻量多模态基础模型做原型或微调的开发者和研究者。

由 Qwen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Qwen3.5-0.8B 是 Qwen 的小型模型，接收图片和文字，用文字回答。它是 Qwen3.5-0.8B-Base 的后训练版本，打包成了 Hugging Face Transformers 格式。模型卡说它的规模适合做原型、针对单一任务微调和研究。

适合谁：适合想要一个紧凑多模态模型作为起点的开发者和研究者。

行业 | 谁在用 | 怎么用 | 例子
软件 | 开发者 | 为读取图片和文字的应用做原型 | 回答关于截图问题的演示
研究 | 研究者 | 先在小模型上试想法，再上大模型 | 针对窄任务的微调实验
教育 | 学生 | 学习视觉语言模型怎么加载和运行 | 一个询问照片内容的课堂练习

需要在难题上拿到最高准确率的人可以跳过它，因为模型卡把这个规模定位在做原型和研究，而不是成品。

用在哪里：

  • Hugging Face Transformers，模型卡列出了这个库
  • vLLM、SGLang 和 KTransformers，模型卡说这些文件可以配合使用
  • Windows、macOS 或 Linux，你可以用 Python 下载文件
用途 | 谁用 | 得到什么
图片问答 | 开发者 | 对你提供的图片给出文字回答
微调的基础 | 机器学习工程师 | 一个用于特定任务版本的小起点
多语言文本 | 研究者 | 在模型卡列出的 201 种语言和方言上处理文本

如何设置：

你需要先准备：

  • Python
  • huggingface_hub 包
  • Transformers，或者 vLLM、SGLang、KTransformers 之一
  • 放得下权重的空间，BF16 约 1.7 GB，按估算 4-bit 约 437 MB
  1. 安装 Hugging Face hub 包。
  2. 把模型文件下载到你的电脑。
  3. 在你选的库里加载模型。
pip install -U huggingface_hub
hf download Qwen/Qwen3.5-0.8B

如何使用：在 Transformers 里加载模型，给聊天消息附上一张图片，再问一个关于它的问题。回复以文字形式返回。你也可以只发文字。

示例：你附上一张照片，问 "What is in this picture?"，模型会用文字回答。它是个小模型，所以在依赖它的答案之前，先用你自己的图片检查一下。

新手与专家：视觉语言模型会同时看图片、读你的文字，然后写出答案。第一步可以试一张照片加一个简单的问题，看看它怎么回复。

对专家来说，它是带视觉编码器的因果语言模型，有 24 层，原生上下文为 262,144 个 token。它的层交替使用 Gated DeltaNet 和门控注意力块，模型卡说它用多步 MTP 训练。小尺寸是以准确率为代价的：在非思考模式的 MMLU-Pro 上，模型卡给出它是 29.7，而 Qwen3-4B-2507 是 69.6。

给它一张图片和一个问题
视觉编码器读取图片
语言模型读取图片和文字
它写出文字回复

注意事项：

Title: 其他人做的版本
量化版: 421
微调版: 739
  • 大小：873M 参数，Safetensors 格式
  • 上下文：原生 262,144 个 token
  • License: apache-2.0
  • Cost to run: 没有提到，不需要 API 密钥或账号
  • Data it reaches: 它会从 Hugging Face 下载模型文件，并处理你提供的图片和文字
  • Not for: 超出做原型、微调和研究的用途，模型卡说它就是为这些而做的

Hugging Face 上的数据（2026年11月13日）

  • 任务：image text to text
  • 框架：transformers
  • 参数量：873M
  • Weights: about 1.7 GB in BF16; about 437 MB at 4-bit (estimate)
  • Formats: Safetensors
  • 最近 30 天下载：3,286,957
  • 点赞：837
  • 许可证：apache-2.0
  • 基于：Qwen/Qwen3.5-0.8B-Base
  • Quantized versions: 425
  • Fine-tunes: 770
  • 标签：transformers, safetensors, qwen3_5, image-text-to-text, conversational

链接

  • 模型：https://huggingface.co/Qwen/Qwen3.5-0.8B
  • 文件：https://huggingface.co/Qwen/Qwen3.5-0.8B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Qwen/Qwen3.5-0.8B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件，共 4 KB，以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。

产品最近 30 天下载点赞参数量许可证最近更新
Qwen3.5-0.8B 本页3,286,957837873Mapache-2.0
Qwen3.8-27B共有 qwen3_5 · image-text-to-text · conversational6,960,39519,79527.8Bapache-2.0
Qwen3.5-9B共有 qwen3_5 · image-text-to-text · conversational6,259,8092,3539.7Bapache-2.0
Qwen3.8-27B-FP8共有 qwen3_5 · image-text-to-text · conversational5,442,81098427.8Bapache-2.0
Qwen3.5-4B共有 qwen3_5 · image-text-to-text · conversational5,083,7221,2264.7Bapache-2.0
Qwen3.5-2B共有 qwen3_5 · image-text-to-text · conversational4,044,7464792.3Bapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论，来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的，也未经核实，点开即可在原帖处阅读。

dr_blueberryShow HN: Run open-weight OCR, VLM and vision models behind one APIHey HN. We built an openai-compatible API for running open-weight VLMs, OCR VLMs and ViT-based vision models. The motivation was mostly frustration when running these models in production and discovering all the details around serving VLMs, especially around visual accuracy. A few footguns we kept…5 分Gleeb TolstiWhere my non-neural AI loses: Qwen3.5-0.8B beats CAEL 181-121 on a broader 400-question test, and Qwen is better at conversation. It wins a narrower 80-question test 57 vs 43/41 (AI-written questions, unblinded review). AI voice. github.com/Vovala14/CAEL1 赞 · 1 条回复jiwidiShow HN: Jiwo - Small decision models topping decision index leaderboardSpent the weekend turning small LLMs into decision models, with some good results and a lot of learnings along the way. Topping the decision index leaderbard for their categories https://huggingface.co/spaces/multimodalart/jev-decision-ind... Sharing two of them: a sub-1B model and a 4B model,…1 分Token BurnQwen's new 0.8B model reads images and video, has a 262K context window, and it's Apache 2.0. Qwen pitches it for fine-tuning, and you can serve it yourself with vLLM and tool calling. Open weights you own.1 条回复tantaraShow HN: Run Qwen3.5 0.8B in browser (Web and Extension)A year ago, I shared a simple demo of running LLMs locally in a Chrome extension. Today, I’m excited to share TinyWhale, a monorepo that lets you run Qwen 3.5 0.8B entirely on-device, both as a web application and a Chrome extension. I plan to support mobile and desktop apps in the same repo.1 分Joe SlaterThe poster you're replying to used Qwen 3.8 27B to analyse Qwen3.5-0.8B. As you can see, they're models from the same family, and the more powerful model has only about 34 times as many parameters (27/.8) as the smaller one. ISTM this isn't a human/fruitfly situation; more human/infant.1 条回复seanmcdirmidQwen 3.8 27B on my laptop can interpret model weights, tooA Qwen3.8-27B model can probably do something with a Qwen3.5-0.8B model. I don't think this is so much the version (Qwen 3.8 vs Qwen 3.5) but the model size (27B vs 0.8B). But ya, having research on Qwen 3.5 definitely helps.constraint † restriction🎣「学習」ではなく「重みの手術」だけで、モデルの悪いクセ（思考ループ）を大幅に減らした 🎣いじったのは全体の”0.016%”の重み 🎣それでMATH-500の正解率が約8%→48〜51%に跳ね上がり、トークン上限到達率も93%→約32%に低下 🎣別担当者が再現とハッシュ検証の両方で確認 huggingface.co/RikiyaT/Qwen...1 条回复stymaarThe 'Astra can read and write weights to improve Qwen' post is misleading> These results show sparks of Weight-Space Programming, which may extend beyond what we’d expect from humans or conventional algorithms. This might be a big deal for both optimization and interpretability. […] > Likewise, asked to make Qwen3.5-0.8B better at math without gradients, Astra…GeekNews 봇Astra, 가중치를 읽고 수정해 Qwen을 개선할 수 있음 GPT-6 Astra 가 학습 루프나 경사하강법 없이 신경망 가중치를 직접 해석하고 수정하는 초기 실험에서, 모델의 동작 식별과 오류 수정, 새 신경망 작성 능력을 보임 Qwen3.5-0.8B 의 가중치 0.016%를 수정해 반복 추론을 줄였으며, 같은 샘플링 설정에서 MATH-500은 ...1 赞nsagentThe 'Astra can read and write weights to improve Qwen' post is misleadingConsidering I have a PhD in CS focused in NLP and have been a Senior Area Chair for ACL, yes I do know how academia works. And, no this isn't science working; it's the same plague infecting most of academic blogging and social media. People are vying for attention in whatever way possible, often…jfyiAstra can read and write weights to improve QwenThey almost certainly knew... https://huggingface.co/Qwen/Qwen3.5-0.8B#best-practices > In thinking mode, we have observed that when using the recommended sampling parameters, Qwen3.5-0.8B is more prone to entering thinking loops compared to other Qwen3.5 models There's also an active issue…

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

DeepSeek-R1-GGUF

unsloth · 工具包

671B 参数 DeepSeek-R1 推理模型的 GGUF 版本，带 1.58-bit 和 2-bit 动态量化，可在内存足够的本机上用 llama.cpp 运行。

新上架

Axion-1.0-35B-GGUF

prithivMLmods · 工具包

提供 Axion-1.0-35B 的 GGUF 文件，这是一个有约 30 亿激活参数的 35B 混合专家模型，面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。

新上架

HEART

Phips · 工具包

用一个超分辨率网络放大低分辨率图像，可以在一块消费级 GPU 上训练，并导出为 ONNX。适合训练或运行图像放大模型的人。

新上架

开发类的相似商品

查看开发类的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版，含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

DeepSeek-V4.1-Flash-1017 EXL3 2.9 bpw

LibertAIDAI · 工具包

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017，这是一份 196 GiB 的副本，适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段，是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架