/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
29 сен 2026

LessThink-Qwen3-4B-v1

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-4B, которая стремится решать задачи рассуждения с меньшим расходом токенов на внутренние рассуждения.

260скачиваний за 30 дней2лайкавеса обновлены29 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LessThink-Qwen3-4B-v1 — дообученная методом GRPO модель семейства Qwen3, созданная автором репозитория на базе Qwen/Qwen3-4B. Она предназначена для диалоговой генерации текста и решения задач на рассуждение с более короткой внутренней цепочкой рассуждений. В тестах автор сообщает о сокращении числа токенов рассуждений на 52–63% на нескольких математических и академических бенчмарках; качество ответов в отдельных тестах немного ниже базовой модели, а при ограниченном бюджете токенов результаты заметно лучше.

Модель имеет плотную архитектуру Qwen3ForCausalLM примерно на 3,7 млрд параметров и контекст до 40 960 токенов. Она обучена с GRPO поверх LoRA-адаптера ранга 64, затем адаптер объединён с базовыми весами; опубликованный чекпойнт соответствует шагу 50 из 400. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0.

Модель подходит для диалоговых задач, где важно быстрее получать правильные ответы и ограничивать расход токенов на рассуждения, особенно для математики и вопросов общего академического характера. Автор указывает, что модель ещё не оценивалась на программировании, агентных сценариях и следовании инструкциям; на математических соревнованиях без лимита токенов точность может снижаться на 2,5–8 процентных пунктов.

Сценарии применения

  • решение математических задач при ограниченном бюджете токенов
  • получение кратких ответов на вопросы общего характера
  • сокращение расходов на генерацию в диалоговых приложениях

Ограничения

На математических соревнованиях без лимита токенов точность может снижаться на 2,5–8 процентных пунктов; итоговые ответы также короче ответов базовой модели. Модель не оценивалась на программировании, агентных сценариях и следовании инструкциям.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LessThink-Qwen3-4B-v1

Qwen3-4B (thinking mode) post-trained with GRPO to think less: a reward that keeps correctness and penalizes thinking tokens only (everything before </think>), measured relative to the base model's own thinking length on each prompt.

Results (32K token cap, full benchmark sets, multi-seed)

BenchmarkQwen3-4BLessThinkΔ acc (pp)Δ thinking tokens (matched)
GSM8K95.094.8-0.2-63%
MMLU-Pro72.070.5-1.6-57%
MATH-50096.896.2-0.7-52%
GPQA-Diamond54.953.0-1.9-50%
AIME 202472.770.2-2.5-34%
HMMT Feb 202546.239.6-6.7-34%
AIME 202563.555.2-8.3-34%

Matched Δ = geometric mean over questions of the per-question thinking-length ratio (seeds averaged first). Truncation on competition math drops from 8-9% to 1.5-2.5%; loop rate falls to ~0.

Accuracy under a token budget

A response counts as correct at budget B only if it finished within B total tokens.

BudgetAIME24 base / oursAIME25 base / oursMATH-500 base / ours
4K1.9 / 15.80.6 / 15.656.4 / 79.8
8K23.5 / 43.517.1 / 32.583.4 / 91.6
16K57.9 / 65.448.8 / 50.894.7 / 95.1
32K72.7 / 70.263.5 / 55.296.8 / 96.2

Full tables and budget curves for all benchmarks are in eval/.

Limitations

  • On competition math with an unlimited budget, accuracy drops 2.5-8 pp.
  • Final answers are 5-20% shorter than the base model's, although only thinking tokens were penalized.
  • No coding, agentic or instruction-following evaluation yet.

Training

  • GRPO (TRL 0.21), LoRA r=64 / alpha=128 on all linear layers, merged into the base weights. Released checkpoint: step 50 of 400.
  • Reward: correct -> 1 + aclip(1 - L/L_ref, -1, 1); wrong -> -aclip(L/L_ref - 1, 0, 1), where L = thinking tokens, L_ref = the base model's mean thinking length on correct samples for that prompt, a = 0.3 (linear warmup over 50 steps).
  • Data: 5,376 prompts (GSM8K train, DeepScaleR subset, ARC-Challenge, SciQ, CommonsenseQA), 13-gram decontaminated against every evaluation set.
  • lr 1e-5, KL beta 0.02, 8 generations per prompt, 64 completions per step, max completion 8,192 tokens, 1x H100.

Evaluation setup

vLLM 0.10.0, temperature 1.0, top_p 0.95, top_k 20, min_p 0, 32,768-token cap, truncated responses scored wrong. Seeds: AIME/HMMT 16, GPQA 8, MATH-500 4, GSM8K 2, MMLU-Pro 1.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
m = "5ivatej/LessThink-Qwen3-4B-v1"
tok = AutoTokenizer.from_pretrained(m)
model = AutoModelForCausalLM.from_pretrained(m, torch_dtype="auto", device_map="auto")
msgs = [{"role": "user", "content": "What is 17*23?"}]
x = tok.apply_chat_template(msgs, add_generation_prompt=True, enable_thinking=True, return_tensors="pt").to(model.device)
out = model.generate(x, max_new_tokens=4096, temperature=1.0, top_p=0.95, top_k=20, do_sample=True)
print(tok.decode(out[0][x.shape[1]:], skip_special_tokens=True))

Recommended sampling: temperature 1.0, top_p 0.95, top_k 20, min_p 0.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
05b195a

0 моделей