🐈‍⬛ есть у меня один проект с android эмуляторами связанный. там дефолтный флоу написан кодом, а если случается тупик и шаг таймаутит, я делаю скрин и кидаю в gpt. модель смотрит на снимок экрана и вызывает нужный инструмент: пойти дальше, начать сессию заново, captcha-flow или вернуться на шаг назад.

и вот че я увидел – там у cloudflare вышел свой decision-maker clef на базе qwen3.8 27b. он обошел закрытый jev и сейчас первое место занимает в лидерборде. из удобного для меня – он работает с видео и картинками. если api дадут дешевле jev – буду пробовать. а для local use уже появилась модель *flash в gguf и mlx вариантах.

from PIL import Image

record = {
    "state": {"task": "Review the attached receipt."},
    "images": [Image.open("receipt.jpg")],
    "questions": {
        "legible": {"type": "noul", "instructions": "Is the receipt total legible?"},
    },
}
encoded = encode_record(processor.tokenizer, record, processor=processor)

клуб царапчиков