/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B-Base
Библиотека
transformers
Опубликована
30 сен 2026

Ссылки

Hugging Face

Qwen3-8b-urban-qwen-test2-seed1-20260929-CPT-final-step-5

BrandonHowe
Генерация текстаТекст → текст3 профессии

Дообученная на городском корпусе модель Qwen3 на 7,6 млрд параметров для генерации текста и диалогов.

162скачиваний за 30 дней0лайковвеса обновлены30 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.

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

Это дообученная модель Qwen3 с плотной архитектурой и 7,6 млрд параметров, созданная на основе Qwen/Qwen3-8B-Base. Она продолжает предобучение на корпусе urban_12738_cleaned, содержащем городские тексты; модель предназначена для генерации текста и диалоговых сценариев. Контекст составляет до 32 768 токенов. Модель сохранена в BF16 в формате safetensors и загружается самостоятельно, без адаптера.

Обучение на этом наборе данных само по себе не подтверждает улучшение способности к эмпатичным ответам. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалогах о городской среде
  • составление текстов на городскую тематику
  • продолжение городских текстов
  • эксперименты с адаптацией языковой модели на городском корпусе

Ограничения

Обучение на этом корпусе не доказывает улучшения эмпатичности; качество ответов для конкретных задач следует оценивать отдельно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.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

Qwen3-8b-urban-qwen-test2-seed1-20260929-CPT-final-step-5

Standalone merged BF16 model from epoch 0.013253810470510271, step 5.

Dataset: CompassioninMachineLearning/urban_12738_cleaned at ef7c0e742df63ea319e35d02d9f6ba63d6e7c68d.

Training: 10,072 distinct documents plus 2,000 repeat exposures per epoch; 200 disjoint validation documents.

Merged with Unsloth's native save_pretrained_merged(save_method="merged_16bit"). Weights are validated BF16 and packaged losslessly into eight safetensors shards. No adapter is required to load this model.

See run_manifest.json for base revision, document selection hashes, training parameters and export validation. Training does not establish an improvement in compassion; evaluate that separately.

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
ccb76e3

0 моделей

    Создать бенчмарк