/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
71,5 млрд
Размер весов
145 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-72B-Instruct
Библиотека
transformers
Опубликована
15 сен 2026

PhAI-IDE-72B

Генерация текстаТекст → текст7 профессий

PhAI-IDE-72B — дообученная на траекториях Codex модель Qwen2.5 для научного программирования, ремонта кода и взаимодействия с инструментами.

1 194скачиваний за 30 дней2лайкавеса обновлены16 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

PhAI-IDE-72B — специализированная языковая модель для научного программирования и работы с инструментами, разработанная командой PhAI-IDE. Она дообучена методом supervised fine-tuning на траекториях Codex из ScienceIDE; основа — Qwen/Qwen2.5-72B-Instruct. Модель построена на плотной архитектуре Qwen2 и содержит 71,5 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в виде весов BF16 в формате Safetensors с объединённым LoRA-адаптером.

Модель предназначена для диалоговой помощи при работе с научным кодом, вызова инструментов и исправления кода в научных проектах. В README приведены результаты семейства PhAI-IDE на бенчмарках научного ремонта кода и отдельных задачах рассуждения, однако сопоставимых результатов именно для версии 72B не указано. Для запуска требуются значительные ресурсы: только веса занимают около 145,41 ГБ, кроме того нужна память для выполнения и KV-кэша. Лицензия указана как Qwen; условия следует проверять по лицензии базовой модели и карточке репозитория.

Сценарии применения

  • поиск и исправление ошибок в научном коде
  • помощь при разработке вычислительных научных проектов
  • анализ запросов кода в диалоге
  • вызов инструментов в сценариях научного программирования

Ограничения

Модель требует большого объёма памяти: веса занимают около 145,41 ГБ, не считая памяти на выполнение и KV-кэш. В README не приведены отдельные результаты бенчмарков для версии 72B.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PhAI-IDE

PhAI-IDE is a family of models for scientific coding and interaction with tools, available in 4B, 9B, and 72B sizes. Each model is supervised fine-tuned with ms-swift and released as full BF16 weights with the final LoRA adapter merged, together with its configuration and tokenizer.

The training dataset is Codex trajectories, sourced from ScienceIDE.

Models

ModelBase modelBF16 weightsLicense
PhAI-IDE-4BQwen3.5-4B9.08 GBApache-2.0
PhAI-IDE-9BQwen3.5-9B18.82 GBApache-2.0
PhAI-IDE-72BQwen2.5-72B-Instruct145.41 GBQwen

Weight sizes are approximate; inference also requires memory for runtime allocations and the KV cache.

ScienceAccelBench performance

Task-held-out, localized scientific-code repair on familiar codebases, with original numerical verification. Qwen3.5-4B and Qwen3.5-9B are compared with PhAI-IDE-4B and PhAI-IDE-9B, respectively, on identical tasks. Pass rates are percentages; gains are percentage points.

SizeEnvironmentTasksQwen3.5PhAI-IDEGain (pp)
4BPLUTO-Particles-Dust30.0033.33+33.33
9BLAPS1631.2550.00+18.75
9BMITgcm-biogeo80.0012.50+12.50
9BPLUTO-RMHD70.0028.57+28.57

Comparison with published models

Scores (%), grouped by benchmark and model size. Each reference entry gives its published score and the PhAI-IDE score difference in percentage points. Reference models are approximately the same size: 3–4B, 7–9B, and 67–72B, respectively.

PhAI-IDEBenchmarkScoreReference models: score (difference)
4BBBH multistep-arithmetic-two97.60Llama-3.2-3B-Instruct (3.21B): 53.2 (+44.40); Phi-3.5-mini-8k-instruct (3.82B): 95.6 (+2.00)
9BBBH word-sorting60.40Llama-3.1-8B-Instruct (8.03B): 51.2 (+9.20); Qwen2.5-7B-Instruct (7.62B): 15.6 (+44.80)
9BMATH-50092.20InternLM3-8B-Instruct (8B): 83 (+9.20); Qwen2.5-7B-Instruct (7B): 72.4 (+19.80); Llama-3.1-8B-Instruct (8B): 48.4 (+43.80)
72BAQuA-RAT77.56Llama-2-70B-Chat (70B): 31.32 (+46.24)
72BARC-Easy84.64Llama-2-70B (70B): 76.5 (+8.14); DeepSeek-LLM-67B-Chat (67B): 81.6 (+3.04)
72BARC-Challenge64.42Llama-2-70B (70B): 59.5 (+4.92); DeepSeek-LLM-67B-Chat (67B): 64.1 (+0.32)

Reference scores come from the linked publications, model cards, and independent evaluation reports; evaluation settings and sample counts vary by source. Differences describe reported scores across evaluations, rather than matched-protocol head-to-head gains. BBH entries refer to the named tasks.

Quick start

Use Transformers 5.16.1, PyTorch and Accelerate. Set model_id to any model in the table above; the example selects the matching model class.

from transformers import AutoTokenizer, AutoModelForCausalLM, AutoModelForImageTextToText

model_id = "AItonomy/PhAI-IDE-4B"
loader = AutoModelForCausalLM if model_id.endswith("72B") else AutoModelForImageTextToText
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = loader.from_pretrained(model_id, dtype="bfloat16", device_map="auto")
inputs = tokenizer.apply_chat_template(
    [{"role": "user", "content": "Explain how to verify a numerical simulation."}],
    add_generation_prompt=True, enable_thinking=False, return_dict=True, return_tensors="pt",
).to(model.device)
output = model.generate(**inputs, max_new_tokens=128, do_sample=False)
print(tokenizer.decode(output[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))

Training procedure

ScienceIDE demonstrations were collected with GPT-5.6-sol and filtered using a numerical-equivalence verifier. They capture code inspection, tool use, and responses to execution feedback.

All three models use ms-swift supervised fine-tuning with LoRA across trainable linear layers for three epochs. The release merges each final checkpoint's adapter into its base model. Retained assistant targets provide the next-token training signal, while conversation history and tool observations provide context. The trajectories retain the native exec / wait interaction format. Heuristic target masking selects assistant actions for supervision while preserving the surrounding interaction history.

Shared settingValue
Training datasetCodex trajectories
Training examples / tasks4,567 segments / 564 tasks
Validation examples / tasks544 segments / 81 tasks
Train/validation task overlap0
Training epochs3
LoRA rank / alpha / dropout32 / 64 / 0.05
Released weightsLoRA merged into BF16 Safetensors

Long trajectories are organized into segments. Source partition assignments are preserved, with no task identifiers shared between training and validation.

Framework versions

The release was validated with the following environment.

ComponentVersion
Python3.11
ms-swift4.5.3
Transformers5.16.1
PyTorch2.6.0+cu124
PEFT0.20.0
Datasets4.8.4
Tokenizers0.23.2
Accelerate1.14.0

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
2194635

0 моделей