/ 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
1 апр 2026

Ссылки

Hugging Face

a1-toolscale

DCAgent
Генерация текстаТекст → текст

Дообученная на примерах Toolscale модель Qwen3-8B для диалоговой генерации текста и сценариев работы с инструментами.

11скачиваний за 30 дней0лайковвеса обновлены1 апр 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-toolscale — дообученная модель Qwen/Qwen3-8B, опубликованная под идентификатором sfta1toolscaleQwen3-8B. Модель предназначена для диалоговой генерации текста; карточка указывает на обучение на наборе примеров и трасс вызова инструментов Toolscale, увеличенном до 10 тысяч примеров.

Модель имеет плотную архитектуру Qwen3ForCausalLM и около 7,6 млрд параметров. Она принимает текст и генерирует текст; заявленный контекст — 40 960 токенов. Базовая Qwen3-8B поддерживает несколько языков, но языки, охват и качество именно этой дообученной версии отдельно не описаны.

Карточка не приводит оценок качества, подробностей обучения или ограничений. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять в лицензии репозитория и базовой модели.

Сценарии применения

  • диалоговые ответы на текстовые запросы
  • генерация текста с учётом контекста до 40 960 токенов
  • эксперименты с вызовом инструментов в диалогах
  • адаптация Qwen3-8B к трассам задач Toolscale

Ограничения

README не содержит результатов оценки и подробных сведений об ограничениях; качество вызова инструментов отдельно не подтверждено. Условия лицензии требуют проверки: метаданные указывают лицензию other.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sft_a1_toolscale__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--Toolscale-tasks-upsampled-10k_10k_glm_4.7_traces_jupiter/snapshots/6221a1d3f018d19e896374809ab80bfdecebd96f_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
7cac98d

0 моделей

    Создать бенчмарк