Qwen выпустила плагины Qwen-MM для мультимодальных ИИ-агентов


Команда Qwen опубликовала Qwen-MM-Plugins — набор открытых плагинов для работы ИИ-агентов с изображениями, видео и документами.

Репозиторий поддерживает Claude Code, Codex, Qoder, OpenClaw, Qwen Code и Gemini CLI. Код доступен по лицензии Apache-2.0. Подробнее в материале Postium.

Что умеют Qwen-MM-Plugins

Базовый пакет core умеет читать изображения, видео, документы и 3D-модели; в него входят OCR, поиск объектов на изображении, сегментация, расшифровка аудио и инструменты веб-поиска.

Отдельные пакеты добавляют память для длинных видео, генерацию и монтаж медиа, а также работу с Blender и FreeCAD. В репозитории есть шесть пакетов: core, video-memory, video-edit, blender, freecad и edu-agent. Последний предназначен для создания пошаговых обучающих материалов по математике и естественным наукам и работает как отдельный skill без MCP-сервера.

Плагины работают внутри уже используемой агентной среды. Каждый пакет подключается в виде skill и, при необходимости, MCP-сервера с дополнительными инструментами.

Как скачать и установить Qwen-MM-Plugins

Откройте репозиторий Qwen-MM-Plugins на GitHub и выберите нужный пакет. Для Claude Code, Codex, Qoder, OpenClaw, Qwen Code и Gemini CLI есть общий установщик install.sh. В ряде сред плагины также можно подключить вручную через встроенный механизм расширений или MCP.

После установки запустите проверку зависимостей. Для базового чтения изображений, видео и документов API-ключ не нужен, но отдельные функции — OCR, распознавание речи, генерация, веб-поиск и другие — требуют внешних API. Для работы с видео и аудио также нужен ffmpeg. Затем можно прикрепить файл к запросу в агенте и попросить, например, извлечь текст с изображения, разобрать видео или обработать документ.

Что это меняет? В одном репозитории собраны инструменты для OCR, видео, генерации медиа и 3D-задач, которые можно подключать к нескольким агентным средам. Поддержку конкретных моделей, работу отдельных функций и внешних API нужно проверять в реальных проектах.

Итог: мультимодальные функции Qwen-MM-Plugins подключаются к уже используемому агенту через отдельные пакеты, без замены самой агентной среды.



Источник

Межтекстовые Отзывы
Посмотреть все комментарии
guest

Gemini взломала три компании на испытаниях и остановилась сама

Gemini во время майских кибериспытаний вошла в системы трёх реальных компаний. В одном случае модель подобрала пароль, в...

Нейросеть Sora 2: как пользоваться, где взять инвайт, возможности, как скачать

OpenAI представила Sora 2 — новую версию своей видеомодели, которая автоматически генерирует короткие ролики со звуком и синхронной...

Что изменилось в новой флагманской модели Anthropic Claude Opus 4.8

В мае 2026 года компания Anthropic обновила флагманскую модель Opus до версии 4.8. И на первый взгляд, этот...

Nvidia «достигла AGI», но никто не знает, что это значит

В среду на отчётной конференции Nvidia Дженсен Хуанг заявил, что компания «достигла AGI» — искусственного общего интеллекта, одной...

Вышла Kling Video 3.0 — ИИ-модель для генерации видео из нескольких сцен

Kuaishou выпустила Kling Video 3.0 — новую версию своей модели для генерации видео. Ключевое изменение — теперь ролик...

Kimi управляет сайтами из боковой панели Chrome и запоминает действия

Kimi теперь открывает сайты, нажимает кнопки и заполняет формы по просьбе, написанной в чате. Moonshot AI переименовала своё...

Сбой в xAI заставил чат-бот Grok выдавать пользователям бессвязный текст

Необычный сбой привёл к тому, что чат-бот Grok компании xAI начал выдавать многим пользователям бессвязный текст. После просьбы...

OpenAI уберёт GPT-5.5 из ChatGPT и Codex 14 октября

OpenAI предупредила о завершении поддержки GPT-5.5 в ChatGPT, ChatGPT Work и Codex. Модель уберут из этих продуктов 14...

Google довела ролики Gemini Omni до сорока секунд и сделала черновики втрое дешевле

Gemini Omni 1.1 Flash научилась достраивать снятую сцену продолжениями и доводить ролик до сорока секунд, а перед чистовой...

Miu Miu и New Balance выпустили балетную версию кроссовок 530 SL

Miu Miu и New Balance выпустили балетки на основе 530 SL. От кроссовок модели достались шнуровка, резиновая подошва...

Новое поколение DLSS 5 от NVIDIA: революционный ИИ-рендеринг выйдет 3 сентября

Компания NVIDIA официально анонсировала технологию DLSS 5, запуск которой запланирован на 3 сентября 2026 года. Первой игрой с...

Килиан Мбаппе ушёл от Nike и стал амбассадором бренда On

Швейцарский производитель спортивной одежды и обуви On заключил контракт с нападающим «Реала» и сборной Франции Килианом Мбаппе. Футболист...

Sora 2 увеличила длину видео до 25 секунд и позволила прописывать сценарий по кадрам

Компания OpenAI обновила видеогенератор «Sora 2»: базовые пользователи теперь могут создавать ролики до 15 секунд, а подписчики «ChatGPT...

Anthropic выпустила Claude Opus 5.5 — модель стала быстрее и дешевле 

Anthropic выпустила Claude Opus 5.5 для Claude, Claude Code и Claude Platform. Новая модель генерирует ответы более чем...

Скоро выйдет Veo 3.1? Обещают стабильных персонажей и киношные пресеты

На платформе WaveSpeedAI появился тизер будущего релиза Google Veo 3.1. Судя по описанию, новое поколение видеомодели решит главную...

OpenAI представила GPT 5.6. Три модели, новые агенты и снижение цен

Летом 2026 года компания OpenAI представила свое новое семейство моделей под общим названием GPT 5.6. Релиз получился довольно...

Как пользоваться Nano Banana 2 Lite бесплатно — гайд

Недавно Google выпустил нейросеть Nano Banana 2 Lite — облегчённую версию генератора изображений на базе Gemini. ИИ-модель быстро...

Qwen выпустила Qwen-Image-3.0 — модель генерирует сложные макеты и текст от 10 пикселей

Qwen представила Qwen-Image-3.0 — третье поколение модели для генерации и редактирования изображений. Она принимает инструкции объёмом до 4,5...

Как пользоваться QwenWork: регистрация, возможности, бесплатные кредиты и тарифы

QwenWork — это новый ИИ-агент от Alibaba, который доступен на сайте и через отдельное приложение. По принципу работы...

Kling запустила IMAGE O1 — новую ИИ-модель для генерации и редактирования изображений

Kling представила «IMAGE O1» — это обновлённая модель для генерации и редактирования изображений. Она работает и с текстом,...