I tested Gemma 4, Qwen 3.5, and Ministral 3 for vision tasks, and only one understood the assignment

A hands-on comparison of three local vision-capable models — Gemma 4 E4B, Qwen 3.5 9B, and Ministral 3 3B — tested on identical tasks: a Docker error screenshot, a busy UI with a counting task, and a low-quality photo of a medicine bottle. Qwen 3.5 9B came out clearly ahead, correctly reading fine print, counting models, identifying active ingredients, and even suggesting UI interactions. Gemma 4 E4B handled simpler tasks but got lossy on busy screens. Ministral 3 3B performed well on the debugging screenshot but hallucinated on more complex visual tasks. The takeaway: vision capability varies significantly among local models, and only Qwen 3.5 9B consistently understood what it was looking at.

Nguồn: https://www.xda-developers.com/tested-gemma-4-qwen-3-5-ministral-3-for-vision-tasks-only-one-understood-the-assignment. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.

Đề xuất cho bạn

DevOps.com0 Hot5 phút5 giờ trướcAI

Mistral Releases Leanstral 1.5, an Open Model That Solved 587 of 672 Putnam Math Problems

Mistral AI vừa ra mắt Leanstral 1.5, một mô hình hỗn hợp chuyên biệt (119B tham số, ~6B hoạt động) dành cho việc viết và xác minh chứng minh hình thức trong Lean 4, giải được 587/672 bài toán Putnam và đạt 100% trên miniF2F. Ngoài ra, mô hình còn hoạt động như một tác nhân mã hóa, phát hiện 5 lỗi chưa biết trong 57 kho mã nguồn mở nhờ cơ chế phản hồi được xác nhận bởi trình biên dịch.

Lập trình viên nên đọc bài này vì Leanstral 1.5 không chỉ là một công cụ giải quyết toán học mà còn là một mô hình AI có khả năng phát hiện lỗi trong mã nguồn thực tế, giúp tối ưu hóa chất lượng code và hiệu suất trong các dự án lớn.