Характеристики

Контекст: 262 144 токена
Параметры: 3,4 млрд
Архитектура: qwen3_5_text · dense
Базовая модель: qwen3.5-4B-super-coder
Библиотека: transformers
Опубликована: 15 июл 2026

Ссылки

Hugging Face

qwen3.5-4b-super-coder-sas-v2

Bloodwingv2

Генерация текстаТекст → текст3 профессии

Дообученная модель Qwen3.5 для преобразования кода SAS в Python.

93скачиваний за 30 дней0лайковвеса обновлены15 июл 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Bloodwingv2/qwen3.5-4b-super-coder-sas-v2 — модель на архитектуре Qwen3.5, созданная дообучением jica98/qwen3.5-4B-super-coder на наборе SAS2Py из 278 примеров. Она предназначена для преобразования кода SAS в Python: на вход подаются инструкция и фрагмент SAS-кода, а модель продолжает ответ кодом Python. Модель содержит 3,4 млрд параметров, работает через Transformers и принимает контекст длиной до 262 144 токенов.

Модель подходит для переноса аналитических скриптов SAS в Python и помощи при миграции кода. README описывает узкую настройку на небольшом наборе примеров; качество на других задачах программирования или сложных и нестандартных сценариях не подтверждено. Файлы опубликованы в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

перевод SAS-скриптов в Python
миграция аналитических сценариев с SAS на Python
черновой перенос SAS-кода для последующей проверки разработчиком

Ограничения

Дообучение основано на наборе из 278 примеров, поэтому качество на редких конструкциях SAS и иных задачах программирования может быть ограничено. Лицензия и результаты независимой оценки в предоставленных данных не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SAS2Py — jica98/qwen3.5-4B-super-coder fine-tuned on SAS data

SAS→Python translation model fine-tuned on the SAS2Py dataset (278 examples). Created by finetuning/finetune.py.

Hyperparameters

Param	Value
LoRA r / alpha / dropout	8 / 16 / 0.1
Epochs	3
Learning rate	0.0002
Effective batch size	1 x 16 = 16
Max sequence length	1024
QLoRA (4-bit)	False
Trained	20260715_173359

Prompt format

{instruction}

SAS:
{sas_code}

Python:

Load

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("<this-repo-id>")
tokenizer = AutoTokenizer.from_pretrained("<this-repo-id>")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3_5ForCausalLM
Ревизия весов: 3914eb8