/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
transformers
Опубликована
20 авг 2026

qwen3.8-27b-merged

Изображение и текст → текст4 профессии

Мультимодальная Qwen3.8-27B, дообученная для генерации ответов в заданном стиле и формате по тексту и изображениям.

87скачиваний за 30 дней0лайковвеса обновлены27 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 «Изображение → 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

DanielTobi0/qwen3.8-27b-merged — дообученная DanielTobi0 модель на базе unsloth/Qwen3.8-27B. Это мультимодальная модель типа vision-language с архитектурой Qwen3.5ForConditionalGeneration: она принимает текст и изображения и генерирует текст. LoRA-дообучение методом SFT выполнено на 236 примерах, после чего адаптер слит с весами; модель сохранена в 16-битном формате safetensors и загружается без отдельного адаптера. Карточка указывает поддержку чата и интерфейса вызова инструментов; обучение проводилось на примерах с включённым рассуждением и параметром reasoning_effort="xhigh".

Модель предназначена для генерации ответов в заданном стиле и формате, в том числе с рассуждениями. Для совпадения системного префикса с обучением рекомендуется применять шаблон чата с reasoning_effort="xhigh". Для загрузки в bf16 требуется около 55 ГБ памяти под веса; автор рекомендует accelerator на 80 ГБ либо квантизацию для меньшего устройства. Без flash-linear-attention и causal-conv1d инференс может быть заметно медленнее из-за перехода на реализацию PyTorch.

Обучающий набор мал, а фактические сведения модель воспроизводит ненадёжно и может выдумывать детали, противоречащие примерам. Её следует использовать для стиля и формата, а факты проверять по внешним источникам. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов с заданным стилем и форматом
  • диалог с моделью по текстовым запросам
  • ответы на вопросы об изображениях
  • генерация ответов с включённым рассуждением
  • интеграция vision-language модели в чат-сервис

Ограничения

Дообучение выполнено на небольшом наборе из 236 примеров, поэтому модель ненадёжно воспроизводит факты и может конфабулировать; используйте внешнюю проверку фактов. Для согласования с обучением задавайте reasoning_effort="xhigh"; без дополнительных библиотек ускорения инференс может быть медленнее.

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

qwen3.8-27b-merged

unsloth/Qwen3.8-27B with a LoRA fine-tune merged into the weights, saved in 16-bit. Ready to load or serve directly, with no adapter composition step.

The standalone adapter is at DanielTobi0/qwen3.8-27b-lora (about 435 MB) if you already have the base weights and would rather not pull ~55 GB.

[!IMPORTANT] This model was trained on prompts rendered with reasoning_effort="xhigh". The Qwen3.8 chat template injects a different instruction line (or none at all) for other effort levels, so serving it at another setting changes the system prefix it was conditioned on. Pass reasoning_effort="xhigh" when you apply the chat template — see below.

Loading

import torch
from transformers import AutoModelForImageTextToText, AutoTokenizer

REPO = "DanielTobi0/qwen3.8-27b-merged"

model = AutoModelForImageTextToText.from_pretrained(
    REPO,
    dtype = torch.bfloat16,
    device_map = "auto",
)
model.eval()

tokenizer = AutoTokenizer.from_pretrained(REPO)

This is a native vision-language model (Qwen3_5ForConditionalGeneration), so it loads through AutoModelForImageTextToText. Use AutoModelForCausalLM instead only if you want the text-only decoder (Qwen3_5ForCausalLM) and intend to drop the vision tower. The weights are ~55 GB in bf16, so plan for an 80 GB accelerator, or pass a quantization_config to fit something smaller.

Qwen3.8's gated-deltanet layers have a fast Triton path that transformers does not ship. Without it you will see The fast path is not available ... Falling back to torch implementation and noticeably slower inference. Install flash-linear-attention and causal-conv1d, or load through Unsloth, which bundles them.

Generating

messages = [
    {"role": "system", "content": "You are xxxx AI. Respond authoritatively, precisely, and formally using 'we' without contractions or em dashes."},
    {"role": "user",   "content": "Which layer of the sovereign intelligence stack is partnered rather than owned?"},
]

text = tokenizer.apply_chat_template(
    messages,
    tokenize = False,
    add_generation_prompt = True,
    reasoning_effort = "xhigh",      # must match training
)

inputs = tokenizer(text, return_tensors = "pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens = 1024, do_sample = False)
print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens = True))

Reading the output

add_generation_prompt=True ends the prompt with <|im_start|>assistant\n<think>\n, so generation begins already inside the thinking block. The model emits its reasoning, closes it with </think>, then writes the answer. Split on the closing tag to separate them:

reasoning, _, answer = decoded.partition("</think>")

Set enable_thinking=False in apply_chat_template to suppress reasoning, but note the model was trained exclusively on thinking-enabled examples.

Serving

The merged weights are a standard qwen3_5 checkpoint, so any runtime with Qwen3.8 support can serve them — for example:

vllm serve DanielTobi0/qwen3.8-27b-merged --dtype bfloat16

Pass the reasoning effort through your client's chat-template arguments (in an OpenAI-compatible request, chat_template_kwargs: {"reasoning_effort": "xhigh"}) so the system prefix matches training. Serving configuration was not exercised during this fine-tune — verify the rendered prompt before relying on it.

Training

Base modelunsloth/Qwen3.8-27B (27B, hybrid gated-deltanet + gated attention, VLM)
DatasetDanielTobi0/qwen3_finetuning_dataset — 236 samples
MethodLoRA (SFT) merged to 16-bit, loss on assistant turns only
Trainable params108,789,760 of 27,465,518,320 (0.40%)
Rank / alpha / dropout16 / 16 / 0
Sequence length2048 (longest sample: 1,822 tokens — no truncation)
Epochs / steps3 / 90
Effective batch8 (2 per device × 4 accumulation)
Optimizeradamw_8bit, weight decay 0.01
LR schedule2e-4, linear decay, 5% warmup
Precisionbfloat16
Hardware1 × NVIDIA H100 PCIe 80GB
Runtime447 s
Final train loss0.9225 (mean), 0.7599 (last step)

Adapted modules

Qwen3.8-27B interleaves two attention types, so the fine-tune covered both rather than the usual seven names:

  • q_proj, k_proj, v_proj, o_proj — the 16 full gated-attention layers
  • in_proj_qkv, in_proj_z, out_proj — the 48 gated-deltanet linear-attention layers
  • gate_proj, up_proj, down_proj — the MLP in all 64 layers

Targeting only the standard four attention names would leave 48 of 64 layers unadapted.

Limitations

The training set is small (236 samples) and was trained for 3 epochs at 2e-4, which is an aggressive schedule for a 27B model at this data scale. The model reliably reproduces the target register and reasoning format, but it does not reliably reproduce the factual content of the training data — spot checks show it confabulating specifics that contradict its own training examples. Treat it as a style and format fine-tune, not a knowledge base, and ground factual claims externally.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
8544705

0 моделей