Qwen-Drive-1.0-4B: modelo de visão e linguagem de código aberto da Alibaba para direção autônoma

Em 6 de setembro de 2026, a equipe da Alibaba, Qwen, anunciou a disponibilização em código aberto do Qwen-Drive-1.0-4B, um modelo de visão e linguagem adaptado para direção autônoma. Este modelo é construído sobre o Qwen3.5-4B e é o primeiro de seu tipo a integrar a percepção 3D e a resposta a perguntas visuais durante o pré-treinamento, estendendo-se ainda mais para o planejamento de movimento, preservando a arquitetura original dos modelos de visão e linguagem pré-treinados. O modelo utiliza uma abordagem de treinamento em etapas, combinando a supervisão de direção com dados gerais de visão e linguagem para manter tanto as capacidades específicas do domínio quanto a compreensão geral da visão. Oferece dois especialistas em planejamento—SFT e RL—e foi avaliado em percepção 3D, compreensão de cena e planejamento de movimento. O modelo utiliza apenas dados disponíveis publicamente, padronizando formatos de trajetória e avaliando o desempenho de cenários de circuito aberto a circuito fechado. Após o aprendizado por reforço, alcança melhorias significativas na alinhamento humano e segurança de circuito fechado com um mínimo de erro de deslocamento de circuito aberto. O Qwen-Drive-1.0-4B está agora disponível no GitHub, Hugging Face e ModelScope.