./новости · 10 августа 2026 г.
новость
Код-агент научился смотреть видео и чертежи: Qwen выложила плагины для чужих агентов
источник: @alibaba_qwen · X·
машинная выжимка · сверена с источником
Qwen
@alibaba_qwen
👀 Зрение - это только начало. Qwen-MM-Plugins сделают вашу любимую оболочку агента мультимодальной: она читает изображения, видео и документы, монтирует видео, работает с 3D и CAD и не только. От мультимодальных моделей к мультимодальным агентам. 🚀 Смотрите, как это работает: https://github.com/QwenLM/Qwen-MM-Plugins
· 8,8 тыс. просмотров
Текстовый агент начинает работать с картинками и видео без переделки. 10 августа Qwen выложила на GitHub плагины Qwen-MM-Plugins: они подключаются к оболочке агента и дают чтение изображений, видео и документов, монтаж видео, работу с 3D и CAD.
Раньше мультимодальность жила в модели. Чат разбирал картинку, а агент в терминале оставался текстовым: показать ему ролик или чертёж можно было только самодельной обвязкой. Плагины переносят зрение в саму оболочку, и агент открывает файл там же, где делает задачу.
Скриншот бага, запись экрана и PDF со спекой идут агенту прямо в работу. Видео он ещё и режет, а 3D и CAD читает наравне с текстом.
Код лежит на GitHub. Репозиторий QwenLM/Qwen-MM-Plugins открыт и подключается к тому агенту, которым уже работаешь.
Следующий сигнал: сторонние агенты, в сборки которых эти плагины приедут по умолчанию.
первоисточник