/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,1 млрд
Размер весов
6,7 ГБ
Лицензия
Apache 2.0
Архитектура
smollm3 · dense
Базовая модель
Open-MOPD-SmolLM3-3B-MixSFT
Библиотека
transformers
Опубликована
18 авг 2026

Open-MOPD-SmolLM3-3B-RL-Code

Генерация текстаТекст → текст4 профессии

Дообученная методом GRPO модель SmolLM3-3B для генерации кода и использования в качестве учителя при дистилляции.

505скачиваний за 30 дней1лайквеса обновлены18 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.

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

Open-MOPD-SmolLM3-3B-RL-Code — языковая модель для генерации кода, разработанная в рамках проекта Open-MOPD. Это плотная причинная модель SmolLM3 с архитектурой SmolLM3ForCausalLM и 3,1 млрд параметров; карточка указывает контекст до 65 536 токенов. Модель дообучена от BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT методом GRPO на запросах по программированию с проверяемыми наградами. Релиз соответствует шагу обучения 180; доступны веса в формате safetensors, а README описывает использование BF16 через Transformers.

Модель предназначена прежде всего как учитель для дистилляции и для решения задач по коду, а не как универсальный ассистент. В README указаны результаты LiveCodeBench v5 и v6: среднее 21,73 при оценке avg@10; тестовые бенчмарки не входят в обучающую смесь RL. Поддерживаются диалоговый шаблон и генерация текста на английском языке. Лицензия — Apache-2.0.

Оптимизация только на коде может ухудшить ответы в других областях по сравнению с исходной MixSFT. Результаты бенчмарка не гарантируют качество на произвольных задачах; модель также может выдавать ошибочный или неисполняемый код.

Сценарии применения

  • генерация кода по текстовому запросу
  • решение задач программирования
  • подготовка ответов модели-учителя для дистилляции
  • создание кода для задач, похожих на LiveCodeBench

Ограничения

Модель оптимизирована только на коде и может работать хуже исходной MixSFT на задачах из других областей. Сгенерированный код может быть ошибочным или неисполняемым.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Open-MOPD-SmolLM3-3B-RL-Code

This is the code-domain teacher in the Open-MOPD pipeline. It starts from BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT and is trained only on code prompts with verifiable rewards using GRPO. This release corresponds to training step 180.

Training uses global batch size 128, mini-batch size 32, learning rate 1e-6, rollout group size 16, a 30,000-token response limit, no KL penalty, and accuracy-based group filtering.

Results

ModelLiveCodeBench v5LiveCodeBench v6Code average
RL-Code teacher22.1621.3121.73
MixSFT starting point15.9919.2017.60

Results use avg@10 rather than best@10, with temperature 1.0, max_model_len=32768, top_p=0.95, top_k=-1, and stop_token_ids=[128012].

The code portion of the RL prompt mixture explicitly excludes LiveCodeBench. The decontamination record is available in BytedTsinghua-SIA/Open-MOPD-Data under rl_prompt_mix/manifest.json.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-RL-Code"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="bfloat16", device_map="auto")

Intended use and limitations

This is a domain teacher intended for distillation, not a general-purpose assistant. It was optimized only on code and can perform worse than MixSFT on other domains.

Model specifications

  • Architecture: SmolLM3ForCausalLM
  • Parameters: approximately 3B
  • Layers: 36
  • Vocabulary size: 128,256
  • Weights: BF16, approximately 6.2 GB
  • Includes tokenizer and chat template

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SmolLM3ForCausalLM
Ревизия весов
e2ce9be

0 моделей