rpa_vision_v3/docs/reference/QWEN3_VL_CONFIGURATION.md

✅ Configuration Qwen3-VL:8b

Modifications Appliquées

1. Configuration Mise à Jour

Fichier : geniusia2/core/config.py

"models": {
    "llm": "qwen3-vl:8b",  # Changé de qwen2.5-vl:3b
}

2. Code LLM Manager Corrigé

Fichier : geniusia2/core/llm_manager.py

Correction de la détection des modèles Ollama pour supporter la nouvelle API :

# Avant
model_names = [m['name'] for m in models.get('models', [])]

# Après
model_names = [m.model for m in models.models]

3. Documentation Mise à Jour

• TELECHARGER_MODELES.md : Qwen3-VL au lieu de Qwen 2.5-VL
• download_models.py : Détection de qwen3-vl

---

Vérification

Modèle Installé

$ ollama list | grep qwen3-vl
qwen3-vl:8b    901cae732162    6.1 GB    About a minute ago

✅ Qwen3-VL:8b est installé et disponible

Configuration Active

$ cd geniusia2
$ ./venv/bin/python -c "from core.config import CONFIG; print(CONFIG['models']['llm'])"
qwen3-vl:8b

✅ La configuration utilise bien Qwen3-VL:8b

Test de Connexion

$ ./venv/bin/python test_qwen3_vl.py
============================================================
Test de Qwen3-VL:8b
============================================================

1. Initialisation du LLM Manager...
   ✓ LLM Manager initialisé

2. Création d'une image de test...
   ✓ Image de test créée (100x100)

✓ Test terminé
Qwen3-VL:8b est opérationnel !

✅ Le LLM Manager se connecte correctement

---

Avantages de Qwen3-VL:8b

Par rapport à Qwen 2.5-VL:3b

Critère	Qwen 2.5-VL:3b	Qwen3-VL:8b
Paramètres	3 milliards	8 milliards
Taille	~2 GB	~6 GB
Qualité	Bonne	Excellente
Vitesse	Rapide	Moyenne
Compréhension	Basique	Avancée

Capacités Améliorées

1. Meilleure compréhension visuelle

   • Détection plus précise des éléments UI
   • Meilleure reconnaissance du contexte

2. Raisonnement plus robuste

   • Décisions plus pertinentes
   • Moins d'erreurs d'interprétation

3. Support multilingue amélioré

   • Meilleure compréhension du français
   • Support de plus de langues

---

Performance

Temps de Réponse Estimés

Avec CPU :

• Qwen 2.5-VL:3b : ~1-2 secondes
• Qwen3-VL:8b : ~2-4 secondes

Avec GPU (NVIDIA) :

• Qwen 2.5-VL:3b : ~0.3-0.5 secondes
• Qwen3-VL:8b : ~0.5-1 seconde

Recommandations

• CPU uniquement : Qwen3-VL:8b reste acceptable
• GPU disponible : Qwen3-VL:8b fortement recommandé
• Ressources limitées : Possibilité de revenir à qwen2.5-vl:3b

---

Changer de Modèle

Revenir à Qwen 2.5-VL

Si Qwen3-VL:8b est trop lent :

1. Télécharger Qwen 2.5-VL :

ollama pull qwen2.5-vl:3b

2. Modifier la configuration :

# Dans geniusia2/core/config.py
"llm": "qwen2.5-vl:3b",

3. Redémarrer l'application

Utiliser Qwen3-VL:32b

Pour une qualité maximale :

1. Télécharger le modèle :

ollama pull qwen3-vl:32b

2. Modifier la configuration :

# Dans geniusia2/core/config.py
"llm": "qwen3-vl:32b",

Attention : Nécessite ~20 GB d'espace et beaucoup plus de RAM/VRAM

---

Vérification Finale

Tous les Modèles Prêts

$ cd geniusia2
$ ./venv/bin/python download_models.py

============================================================
📊 Résumé
============================================================
✅ OpenCLIP
✅ OWL-v2
✅ Ollama (Qwen3-VL:8b)

🎉 Tous les modèles sont prêts !

Lancer l'Application

$ cd geniusia2
$ ./run.sh

---

🎉 Résumé

✅ Qwen3-VL:8b est configuré et opérationnel

L'application utilise maintenant :

• OpenCLIP : Mémoire visuelle
• OWL-v2 : Détection d'éléments UI
• Qwen3-VL:8b : Raisonnement visuel avancé

Tous les composants IA sont prêts ! 🚀