/ Модель

Характеристики

Контекст
1 010 000 токенов
Параметры
2,6 млрд
Размер весов
61,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-30B-A3B-YOYO-V2
Библиотека
transformers
Опубликована
11 фев 2026

Qwen3-30B-A3B-YOYO-V2-Claude-4.6-Opus-High-INSTRUCT

Генерация текстаТекст → текст12 профессий

Дообученная Qwen3 MoE модель для диалоговой генерации текста и задач с рассуждениями.

259скачиваний за 30 дней12лайковвеса обновлены15 фев 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

DavidAU представил Qwen3-30B-A3B-YOYO-V2-Claude-4.6-Opus-High-INSTRUCT как instruct-модель для диалогов и задач, требующих рассуждений. Это дообученная на базе YOYO-AI/Qwen3-30B-A3B-YOYO-V2 модель семейства Qwen3 MoE; в репозитории указаны Transformers и формат safetensors. В метаданных указан размер 2,6 млрд параметров, а карточка описывает исходную архитектуру как модель на 30 млрд параметров с 3 млрд активных параметров, 128 экспертами и контекстом 256 тыс. токенов. При этом метаданные указывают нативный контекст 1 010 000 токенов, поэтому фактическую поддерживаемую длину следует проверять для используемой конфигурации.

Модель предназначена для генерации ответов в чате и выдачи рассуждений; автор сообщает о настройке на датасете TeichAI/claude-4.5-opus-high-reasoning-250x и приводит результаты нескольких бенчмарков. README называет её гибридом instruct и reasoning и отмечает, что короткие следы рассуждений могут появляться в тексте генерации. Заявления о превосходстве в бенчмарках принадлежат автору и приведённые в карточке данные не позволяют независимо их подтвердить. Язык карточки — английский; подтверждена лицензия Apache-2.0.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация инструктивных ответов
  • решение задач на рассуждение
  • прохождение тестов на общие знания
  • ролевая беседа с настройкой параметров генерации

Ограничения

Автор отмечает, что короткие фрагменты рассуждений могут появляться непосредственно в ответах, а для более плавной генерации рекомендует настраивать сглаживание и штраф за повторы. Заявленные результаты бенчмарков в карточке не подтверждены независимой оценкой.

Для каких профессий подходит12

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

The power of Claude 4.5 Opus High Reasoning with the MOE power (and speed) of Qwen 30B-A3B 2507 Thinking (256k context, 128 experts) combined with YOYO2 Merge creating an INSTRUCT hybrid of unmatched power.

Benchmarks (below) show that this version exceeds the org model in 8 out of 8 metrics - some by a lightyear.

It is not even close to "org" model specs.

Tuning via Unsloth (on local hardware) using Linux for Windows I created a specialized tuned Claude Opus 4.6 High Reasoning adapter.

Compact, to the point, and powerful reasoning takes "Qwen 30B-A3B YOYO V2" to the next level. Small reasoning traces may appear as text during some generations - but this is an instruct model.

Note all math, science and other goodies are fully intact.

Model Specs:

  • 256k context
  • 128 experts (8 active by default)
  • 3B of 30B parameters active.
  • Model can be used on GPU, CPU or split at reasonable token/second speed.

BENCHMARKS:

[ xxx ] - Exceeds org model specs.

ARC-Challenge | ARC-Easy | BoolQ   | Hellaswag | OpenBookQA | PIQA  | Winogrande
[0.545]         [0.717]    [0.877]   [0.717]     [0.440]     [0.789]  [0.653]

VS "Normal Qwen3 30B-A3B"

ARC-Challenge | ARC-Easy | BoolQ | Hellaswag | OpenBookQA | PIQA  | Winogrande
0.410           0.444      0.691   0.635       0.390        0.769   0.650

Settings: CHAT / ROLEPLAY and/or SMOOTHER operation of this model:

In "KoboldCpp" or "oobabooga/text-generation-webui" or "Silly Tavern" ;

Set the "Smoothing_factor" to 1.5

: in KoboldCpp -> Settings->Samplers->Advanced-> "Smooth_F"

: in text-generation-webui -> parameters -> lower right.

: In Silly Tavern this is called: "Smoothing"

NOTE: For "text-generation-webui"

-> if using GGUFs you need to use "llama_HF" (which involves downloading some config files from the SOURCE version of this model)

Source versions (and config files) of my models are here:

https://huggingface.co/collections/DavidAU/d-au-source-files-for-gguf-exl2-awq-gptq-hqq-etc-etc-66b55cb8ba25f914cbf210be

OTHER OPTIONS:

  • Increase rep pen to 1.1 to 1.15 (you don't need to do this if you use "smoothing_factor")

  • If the interface/program you are using to run AI MODELS supports "Quadratic Sampling" ("smoothing") just make the adjustment as noted.

Highest Quality Settings / Optimal Operation Guide / Parameters and Samplers

This a "Class 1" model:

For all settings used for this model (including specifics for its "class"), including example generation(s) and for advanced settings guide (which many times addresses any model issue(s)), including methods to improve model performance for all use case(s) as well as chat, roleplay and other use case(s) please see:

[ https://huggingface.co/DavidAU/Maximizing-Model-Performance-All-Quants-Types-And-Full-Precision-by-Samplers_Parameters ]

You can see all parameters used for generation, in addition to advanced parameters and samplers to get the most out of this model here:

[ https://huggingface.co/DavidAU/Maximizing-Model-Performance-All-Quants-Types-And-Full-Precision-by-Samplers_Parameters ]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
9cc1fca

0 моделей