/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
3,7 млрд
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Base
Библиотека
transformers
Опубликована
17 авг 2026

Ссылки

Hugging Face

capsd-qwen3-numina-Qwen3-4B-Base-math_cap_b4000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная на математических данных Numina модель Qwen3 с 3,7 млрд параметров для генерации текста и диалоговых сценариев.

26скачиваний за 30 дней0лайковвеса обновлены17 авг 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.

Открыть конструктор бенчмарка

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

AmberYifan/capsd-qwen3-numina-Qwen3-4B-Base-math_cap_b4000_s0 — дообученная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-4B-Base. В ней около 3,7 млрд параметров; архитектура — Qwen3ForCausalLM, формат весов — safetensors. Для работы с текстом используется контекст до 32 768 токенов.

Модель предназначена для генерации текста и диалогового взаимодействия. Название набора данных указывает на математические данные Numina, поэтому модель может быть полезна для экспериментов с решением и объяснением математических задач, однако README не приводит результатов оценки или подробностей обучения. Модель доступна по лицензии «other»; конкретные условия следует проверять на странице репозитория.

Сценарии применения

  • генерация решений математических задач
  • подготовка текстовых объяснений к математическим ответам
  • диалоговые эксперименты с математическими запросами

Ограничения

README не содержит результатов оценки и конкретных ограничений модели. Лицензия указана как «other», поэтому перед использованием следует проверить её условия в репозитории.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-4B-Base_math_cap_b4000_s0

This model is a fine-tuned version of Qwen/Qwen3-4B-Base on the capsd_Qwen3-4B-Base-n80000-numina__mix_math_cap_b4000_s0 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 0
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.03
  • num_epochs: 1

Training results

Framework versions

  • Transformers 5.8.0
  • Pytorch 2.13.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
2ccd268

0 моделей

    Создать бенчмарк