Qwen3.5 - 小而美的视觉模型，用于图像反推/视频反推 支持50系显卡 一键整合包下载
Qwen3.5 是一个功能强大的多模态大模型，能同时处理文字、图片和视频，支持超长文本输入（最高可扩展到百万级 token），在推理、编程、视觉理解和多语言任务上表现突出（就是能同时看文字+图片+视频的那种AI），体积不算大，但实力非常猛，在很多测试中能打平甚至超过参数量大得多的模型（包括某些120B级别的开源巨兽）。
今天分享的 Qwen3.5 一键包基于社区大佬的 Qwen3.5-9B GGUF版模型打包制作，主要是用于视觉理解，比如图像和视频理解，反推给出提示词，可用于文生图和视频生成。看到好看的图像或者视频，就可以用它来识别反推，生成专业的提示词，然后借助文生图或文生视频软件生成自己的图像或视频。
模型特点
能看图、看视频，还特别聪明
这是它原生训练出来的多模态能力（不是后期硬接的），看图理解、看视频总结、做数学题看几何图、看截图点UI控件、OCR文字识别……这些都做得特别好，很多视觉类榜单排很前面。
超级长的记忆力
原生支持 26万多token（大概400多页A4纸的内容），用点技巧还能拉到100万token。 适合处理很长的合同、整本小说、几小时的会议记录或代码仓库。
会思考、会用工具、能当小助手（Agent）
内置很强的工具调用和多步规划能力，能写代码、调接口、做复杂任务自动化，在代理（Agent）类评测里表现极强。
几乎全球语言都懂
支持 201种语言和方言，中文、英文、日韩、法德西意……基本主流语言都很强，小语种也比以前好很多。
跑起来意外地省资源
虽然是9B，但用了很先进的混合架构（Gated DeltaNet + 稀疏MoE），量化到4bit后5–6GB显存就能跑（普通RTX 3060/4060/4070都行），速度也快，很多用户实测觉得比一些更大的模型在本机上反而更顺畅。
应用场景
本地/公司内部的智能文档分析（合同、财报、科研论文）
图文视频内容理解（电商商品图描述、短视频摘要、监控视频分析）
代码助手（写代码、修bug、读老项目）
多语言客服/教育/翻译工具
轻量级AI Agent（能自己规划步骤调用工具完成复杂任务）
显存/预算有限，但想要接近大模型体验的开发者/小团队/个人玩家
使用教程：（建议N卡，显存8G起，支持50系显卡）
下载主程序和模型（ComfyUI文件夹），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可
支持WebUI和ComfyUI两种模式
支持图像和视频分析，切换到对应的选项卡，上传图像/视频，点击 分析 即可。
支持自定义模型（模型下载），根据自己的显卡下载切换，下载后，放到ComfyUI\models\LLM目录下，前台切换即可。理论上支持最低4G显存显卡（下载Q3_K_S）
软件目录结构：
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 LLM/
│ │ └── Qwen3.5-9B-Q5_K_M.gguf
│ │ └── mmproj-BF16.gguf
📂 deepface/
......
下载地址：
UC网盘：https://drive.uc.cn/s/62ada2104c2d4
夸克网盘：
**** 本内容需购买 ****
百度网盘：
**** 本内容需购买 ****
页:
[1]