A-vibe это большая языковая модель, созданная Авито Тех, дочерней технологической компанией Авито, на базе открытой модели Qwen3-8B-Base. Мы адаптировали Qwen3-8B-Base под русский язык и домен Авито с помощью нескольких шагов:

1. Сделали свой токенизатор, оптимальный для русского и английского языка
2. Подменили оригинальный токенизатор Qwen3-8B-Base на собственный токенизатор
3. Обучили полученную модель на большом корпусе данных
4. Провели SFT этап
5. Сделали RL

В результате нам удалось получить модель, которая выигрывает instruct версию Qwen3-8B по многим русскоязычным бенчмаркам. На SFT и RL этапе нам удалось научить модель Function Calling и улучшить ее навыки в решении математических задач.

В токенизаторе A-vibe плотность токенизации выше, чем у Qwen3-8B поэтому число токенов в контексте и при генерации стало меньше для одинаковых примеров. Кроме того, размер самой модели сократился до 7.9B при 8.2B у Qwen3-8B. За счет этого одинаковые русскоязычные примеры адаптированной моделью обрабатываются быстрее в среднем на 15-25% в сравнении с исходной Qwen3-8B

Quickstart

Ниже представлен фрагмент кода, демонстрирующий, как загрузить токенизатор и модель, а также как сгенерировать ответ.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "AvitoTech/avibe"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Привет, подскажи рецепт борща"
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=1024
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

Ингредиенты (на 4 порции):

• Мясо (говядина, свинина или курица) — 300–400 г
• Свекла — 2 шт. (средние)
• Капуста белокочанная — 300 г
• Морковь — 1 шт.
• Лук репчатый — 1 шт.
• Картофель — 3–4 шт.
• Помидоры свежие (или томатная паста) — 2 шт. (или 2 ст. ложки)
• Чеснок — 2–3 зубчика
• Лавровый лист — 1–2 шт.
• Перец горошком — 3–5 шт.
• Соль, сахар — по вкусу
• Растительное масло — 2–3 ст. ложки
• Уксус или лимонный сок — 1 ст. ложка (для сохранения цвета свеклы)
• Зелень (укроп, петрушка) — для подачи
• Сметана — по желанию

Пошаговое приготовление:

1. Подготовка бульона:

   • Мясо промойте, нарежьте на куски и залейте 2,5–3 литрами холодной воды.
   • Доведите до кипения, снимите пену.
   • Добавьте лавровый лист, перец горошком и варите 1,5–2 часа на медленном огне. За 30 минут до готовности посолите.

2. Овощи:

   • Свеклу натрите на крупной терке. Обжарьте на растительном масле 5–7 минут, добавьте уксус (или лимонный сок) и 2 ст. ложки воды. Тушите 10 минут.
   • Капусту нашинкуйте тонкой соломкой.
   • Картофель нарежьте кубиками.
   • Морковь натрите, лук — мелко нарежьте.
   • Помидоры натрите на терке или используйте томатную пасту.

3. Сборка борща:

   • В кипящий бульон сначала добавьте картофель, варите 10 минут.
   • Затем введите капусту, морковь и лук. Варите еще 10 минут.
   • Добавьте обжаренную свеклу и помидоры (или томатную пасту). Перемешайте.
   • За 5 минут до готовности влейте измельченный чеснок (через пресс или мелко нарезанный).

4. Финальные штрихи:

   • Проверьте вкус, добавьте сахар (если нужно) и зелень.
   • Снимите с огня, накройте крышкой и дайте настояться 15–20 минут.

5. Подача:

   • Разлейте борщ по тарелкам, добавьте сметану и свежую зелень.

Советы:

• Для более насыщенного вкуса можно обжарить мясо перед варкой.
• Если любите кислинку, добавьте 1 ст. ложку уксуса или лимонного сока в самом конце.
• Вегетарианский вариант: замените мясо на грибы или варите на овощном бульоне.

Приятного аппетита! 🍲