/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Размер весов
4,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
19 сен 2026

Qwen3-1.7B-BrowseComp-Worker-Judger-RL-iter149-0916

Генерация текстаТекст → текст3 профессии

Дообученная компактная модель Qwen3 для работы поисковым агентом в интернете в составе многоагентной системы.

253скачиваний за 30 дней0лайковвеса обновлены19 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.

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

Qwen3-1.7B browsing worker — judger-rl, iteration 149 — это дообученный вариант Qwen3-1.7B от CharlieLLL, опубликованный как экспорт BF16 чекпойнта, использованного в оценке 18 сентября 2026 года. Модель построена на плотной авторегрессионной архитектуре Qwen3ForCausalLM с 1,7 млрд параметров и контекстом до 40 960 токенов; она принимает текст и генерирует текст, поддерживает диалоги и интерфейс вызова инструментов.

Чекпойнт предназначен для роли рабочего агента при поиске в интернете и выполнения задач BrowseComp в составе многоагентной системы. В README приведены результаты работы под оркестратором на BrowseComp и DR9K, но они не являются оценкой модели в одиночку. Для воспроизведения результатов нужны соответствующие шаблоны чата, инструменты поиска, бюджеты и конфигурация оценщика; обычная генерация в чате этих результатов не воспроизводит.

Модель основана на Qwen/Qwen3-1.7B и распространяется по лицензии Apache-2.0. В README указано, что происхождение обучения и возможное пересечение обучающих данных независимо не проверялись; это стоит учитывать при интерпретации результатов.

Сценарии применения

  • поиск и сбор сведений в интернете для BrowseComp
  • выполнение роли рабочего агента под управлением оркестратора
  • диалоговое взаимодействие с оркестратором и передача запросов инструментам

Ограничения

Результаты BrowseComp и DR9K измерены для рабочего агента под оркестратором, поэтому их нельзя трактовать как точность модели при самостоятельной работе. Воспроизведение оценки требует специальных шаблонов чата, поисковых инструментов и заданных бюджетов; происхождение обучения и пересечение данных независимо не проверялись.

Для каких профессий подходит3

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

Qwen3-1.7B browsing worker — judger-rl, iteration 149

Full BF16 evaluation export of qwen1p7b-sft1366-judger-g8b8-lr1e6-g36flash-0916/hf/iter_149_eval. This is the exact checkpoint used in the 2026-09-18 evaluation: all weight SHA-256 hashes match the frozen evaluation manifest. It derives from the SFT iteration 1366 worker and the user-provided judger-rl training run. Training-method names are provenance; training hyperparameters and data overlap were not independently audited by the evaluation agent.

Base tokenizer: Qwen/Qwen3-1.7B at 70d244cc86ccca08cf5af4e1e306ecf908b1ad5e. Context: 40,960 tokens. The evaluated export has 311 BF16 tensors. Padded embedding/head rows were trimmed during export; see eval-preparation.json and evaluation-provenance.json. The uploaded files are unchanged from that evaluated export, not a new conversion. SHA256SUMS covers source checkpoint files.

Evaluation

These are worker-under-orchestrator results, not solo-model accuracy. Concurrency is 64 top-level episodes. BrowseComp: 150 questions, 3 nodes, TP4 orchestrator and four independent TP1 workers. DR9K: 256 questions, 2 nodes, TP4 orchestrator and TP1/native DP4 workers. Full-answer repository manual grading protocol; not the canonical Gemini semantic judge. Empty/error episodes count wrong.

OrchestratorBrowseCompDR9K
MiniMax-M2.797/150 (64.67%)111/256 (43.36%)
DeepSeek-V4-Flash97/150 (64.67%)148/256 (57.81%)
Nemotron Ultra104/150 (69.33%)139/256 (54.30%)
MiMo-V2.5106/150 (70.67%)143/256 (55.86%)
Nemotron Super86/150 (57.33%)131/256 (51.17%)
Inkling-Small104/150 (69.33%)147/256 (57.42%)

Complete report includes latency settings, difficulty scores, observed role tokens/cache and separate theoretical worker prefix reuse.

BrowseComp traces · DR9K traces.

Use the report's evaluator, benchmark-specific chat templates, search tools and budgets to reproduce the worker results; generic chat generation alone does not reproduce this setup.

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
bb5e3a0

0 моделей