/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
27 мар 2026

Ссылки

Hugging Face

a1-code_contests

DCAgent
Генерация текстаТекст → текст3 профессии

Дообученная на трассах решения задач модель Qwen3-8B для генерации кода и ответов на задачи программирования.

13скачиваний за 30 дней0лайковвеса обновлены27 мар 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

DCAgent/a1-code_contests — это дообученная модель Qwen3-8B, разработанная DCAgent на основе Qwen/Qwen3-8B. Модель предназначена для генерации текста в сценариях решения задач по программированию и соревнований по коду; она обучалась на наборе данных code-contests-sandboxes-with-tests_10k_glm_4.7_traces_jupiter с предварительно обработанными трассами рассуждений. Это плотная авторегрессионная архитектура Qwen3ForCausalLM с 7,6 млрд параметров и контекстом до 40 960 токенов.

Модель принимает текст и генерирует текст. Базовая Qwen3-8B поддерживает несколько языков, но README не уточняет языковой состав данных дообучения или качество этой версии на отдельных языках. Репозиторий использует Transformers и хранит веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели перед применением. README не приводит результатов оценки или подробных ограничений качества.

Сценарии применения

  • генерация решений задач по программированию
  • подготовка к соревнованиям по программированию
  • пошаговое рассуждение при решении алгоритмических задач

Ограничения

README не содержит результатов оценки, поэтому качество на задачах и надёжность решений не подтверждены приведёнными данными. Лицензия обозначена как other; условия использования требуют проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sft_a1_code_contests__Qwen3-8B

This model is a fine-tuned version of Qwen/Qwen3-8B on the /e/scratch/jureap59/raoof1/sft_data/hf_hub/datasets--DCAgent--code-contests-sandboxes-with-tests_10k_glm_4.7_traces_jupiter/snapshots/0c331b34a926c2c6bc70e4fdd72a7b525f2c3f4b_thinking_preprocessed dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 4e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 16
  • total_train_batch_size: 16
  • total_eval_batch_size: 128
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.98) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 7.0

Training results

Framework versions

  • Transformers 4.57.6
  • Pytorch 2.9.1+cu130
  • Datasets 4.7.0
  • Tokenizers 0.22.2

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
7ccd3aa

0 моделей

    Создать бенчмарк