Qwen выпустила Qwen-MM-Plugins, набор плагинов, который добавляет зрение обычным ИИ агентам

Он подключается к Claude Code, Codex, Qwen Code, Gemini CLI и другим агентным средам. Переучивать модель или собирать нового агента не нужно. Достаточно установить нужный навык и MCP сервер.

Возможностей уже много. Агент может читать изображения, видео, PDF и 3D модели, распознавать текст, находить объекты на изображении, расшифровывать аудио и анализировать многочасовые видео.

Отдельные плагины позволяют редактировать и генерировать видео, управлять Blender через 22 инструмента и работать с FreeCAD через 14 инструментов. В CAD агент умеет строить модели, менять параметры, импортировать и экспортировать STEP и STL, а также запускать FEM анализ.

Современные мультимодальные модели давно умеют видеть, но большинство агентных оболочек всё ещё построены вокруг терминала, текста и кода.

Qwen-MM-Plugins закрывает этот разрыв без создания новой оболочки. Агент, который вчера читал файлы и правил код, теперь может посмотреть на интерфейс, разобрать видео, собрать 3D модель или подготовить CAD деталь.

Проект открыт под Apache 2.0.