QwenVL3.5-4B

QwenVL3.5-4B to wizualno-językowy model klasy 4 mld parametrów z rodziny Qwen3.5-VL rozwijanej przez Alibabę. Pod tą nazwą występuje przede wszystkim w dokumentacji technicznej chińskiej firmy PsiBot, która wykorzystała go jako backbone warstwy górnej (planującej) w modelu bazowym embodied AI Psi-R2.5, zaprezentowanym we wrześniu 2026 roku.

W tej roli model przetwarza instrukcje wizualno-językowe i rozkłada je na podzadania, korzystając z kontekstu metadanych — pamięci i miękkich promptów — oraz z sygnałów wartości pochodzących z uczenia ze wzmocnieniem. Wynik jego pracy trafia do warstwy dolnej opartej na Wan2.2-TI2V-5B, która zamienia plan na trajektorie akcji robota. PsiBot deklaruje, że obie warstwy korzystają z własnych, firmowych danych pretreningowych.

Uwaga o nazewnictwie: rodzina Qwen3.5-VL istnieje i jest publikowana przez Alibabę w 2026 roku w kilku rozmiarach (m.in. checkpointy 2B, 9B i 122B-A10B, przy czym wersja 9B posłużyła jako podstawa modelu Qwen-Image-2.1). Alibaba nie opublikowała jednak oficjalnej karty modelu pod dokładną nazwą „QwenVL3.5-4B" — ta forma zapisu pochodzi z materiałów PsiBot i to one pozostają jedynym bezpośrednim źródłem dla wariantu 4B używanego w Psi-R2.5. Dokładna liczba parametrów, okno kontekstu i licencja tego konkretnego checkpointu nie zostały podane publicznie.