/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
25 сен 2026

Mtrini-SVL-1.1-Merged

Генерация текстаТекст → текст8 профессий

Экспериментальная мультимодальная модель Compiwer AI на базе Qwen3-VL-8B-Instruct для диалога, рассуждений, кода, математики и марокканской дариджи.

785скачиваний за 30 дней0лайковвеса обновлены25 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

Mtrini-SVL-1.1-Merged — открытая модель Compiwer AI примерно на 8 млрд параметров, дообученная на базе Qwen3-VL-8B-Instruct. Это мультимодальная архитектура Qwen3-VL, рассчитанная на диалог и задачи рассуждения; в карточке также заявлены кодирование, математика, марокканская дариджа и многоязычные сценарии. Модель принимает текст и изображения и генерирует текстовые ответы.

Обучение проводилось с LoRA / PEFT на 58 574 примерах: данных для вопросов и рассуждений на марокканской даридже, OpenCodeReasoning-2 и OpenMathInstruct-2. Концепция Self-Verifying Loop направлена на проверку и улучшение ответов, но в README она описана как продолжающееся исследовательское направление, а не как подтверждённая гарантия качества. Указаны точность BF16 и контекст обучения 4096 токенов.

Модель подходит для диалога, помощи с кодом и математическими задачами, особенно в сценариях с марокканской дариджей. Она экспериментальная: может галлюцинировать, ошибаться в коде и математике или неверно понимать запросы, поэтому важные результаты нужно проверять. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы и рассуждения на марокканской даридже
  • помощь с написанием и разбором кода
  • решение математических задач с пояснениями
  • диалог по текстовым запросам
  • ответы на вопросы по изображениям

Ограничения

Модель может галлюцинировать, ошибаться в коде и математике и неверно понимать запросы; важные результаты следует проверять. Результаты обучения не являются стандартизованными бенчмарк-оценками.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🐪 Mtrini-SVL-1.1

The model is out of the lab.

Mtrini-SVL-1.1 is an open-weight ~8B model developed by Compiwer AI, based on Qwen3-VL-8B-Instruct.

It was trained with a focus on:

  • 🧠 Reasoning
  • 💻 Coding
  • 🧮 Mathematics
  • 🇲🇦 Moroccan Darija
  • 🌍 Multilingual tasks

And yes...

It's a Mtrini. 🐪

🔄 Self-Verifying Loop

SVL = Self-Verifying Loop

Our development concept:

THINK
  ↓
CHECK
  ↓
IMPROVE
  ↓
REPEAT 🔄

The goal is to encourage the model to verify and refine its responses.

SVL is an ongoing research direction at Compiwer AI.

📚 Training

The final dataset contained 58,574 unique examples.

Dataset	Examples
🇲🇦 Moroccan Darija QA + Reasoning	2,170
💻 OpenCodeReasoning-2	30,000
🧮 OpenMathInstruct-2	30,000
⚡ Model Specs
Property	Value
Model	Mtrini-SVL-1.1
Base	Qwen3-VL-8B-Instruct
Parameters	~8B
Architecture	Qwen3-VL
Training	LoRA / PEFT
Precision	BF16
Training Context	4096 tokens
Dataset	58,574 unique examples
Developer	Compiwer AI
Origin	🇲🇦 Salé, Morocco
📊 Training Run
Steps: 3,661
Epochs: 1
Training Loss: 0.5855
Mean Token Accuracy: 83.55%

These metrics describe the training run and should not be treated as standardized benchmark scores.

🚀 Usage
from transformers import Qwen3VLForConditionalGeneration, AutoTokenizer

model_id = "CompiwerAI/Mtrini-SVL-1.1-Merged"

tokenizer = AutoTokenizer.from_pretrained(
    model_id,
    trust_remote_code=True
)

model = Qwen3VLForConditionalGeneration.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=True
)
⚠️ Limitations

Mtrini is an experimental open model.

It can hallucinate, generate incorrect code, misunderstand prompts, or produce incorrect mathematical answers.

Verify important outputs.

🌍 Why Mtrini?

AI shouldn't only be built by the biggest companies on Earth.

Mtrini is Compiwer AI's experiment in building open AI with a focus on:

🇲🇦 Moroccan language
🧠 Reasoning
💻 Coding
🧮 Mathematics
🤝 Open AI

Building AI For Everyone.

Built in Salé, Morocco 🇲🇦

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
b4fe4dd

0 моделей