/ Модель

Характеристики

Контекст
133 120 токенов
Параметры
29,7 млрд
Размер весов
131 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-32B
Библиотека
transformers
Опубликована
21 янв 2026

ASTRA-32B-Thinking-v1

Генерация текстаТекст → текст11 профессий

Дообученная на Qwen3-32B модель для многошаговых рассуждений, планирования и вызова инструментов в агентных сценариях.

30скачиваний за 30 дней7лайковвеса обновлены2 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

ASTRA-32B-Thinking-v1 — дообученная модель на основе Qwen/Qwen3-32B, представленная авторами работы ASTRA: Automated Synthesis of Agentic Trajectories and Reinforcement Arenas. Это плотная языковая модель семейства Qwen3 на 29,7 млрд параметров с контекстом до 133 120 токенов, предназначенная для многошаговых задач с вызовом инструментов и структурированными рассуждениями. Модель обучали в два этапа: на примерах многоходового использования инструментов, а затем с помощью обучения с подкреплением и проверяемыми наградами в исполняемых средах.

Модель рассчитана на агентные сценарии: планирование последовательностей вызовов инструментов, работу с их схемами и выполнение сложных задач в несколько шагов. В README заявлен результат уровня state of the art на многоходовой подвыборке BFCL-V3 для сопоставимого масштаба моделей. Метаданные также указывают интерфейс диалога и вызова инструментов. Модель распространяется под лицензией Apache-2.0; авторы описывают её как предназначенную для исследований и обучения и снимают с себя ответственность за последствия использования.

Сценарии применения

  • планирование цепочек вызовов инструментов
  • выполнение многошаговых задач с MCP-инструментами
  • диалоговый агент с использованием инструментов
  • формирование структурированных аргументов для вызовов инструментов
  • решение задач в проверяемых исполняемых средах

Ограничения

Модель предназначена для исследований и обучения; заявленный результат на BFCL-V3 приведён без численных показателей в предоставленном README. Авторы снимают с себя ответственность за ущерб, связанный с использованием модели.

Для каких профессий подходит11

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

GitHub Blog Paper

ASTRA-32B-Thinking-v1

Model Description

The ASTRA-32B-Thinking-v1 model is derived from Qwen3-32B and specifically optimized for multi-step, tool-augmented tasks, with enhanced agentic capabilities in complex tool use and structured reasoning.

The model was introduced in the paper ASTRA: Automated Synthesis of agentic Trajectories and Reinforcement Arenas.

We also provide a 14B variant ASTRA-14B-Thinking-v1.

Model Performances

ASTRA-Thinking-32B achieves state-of-the-art performance on the BFCL-V3 multi-turn subset at comparable model scales.

Result on BFCL-V3 multi-turn subset:

Data Curation

The training data is built upon two core pillars of automation:

1. Tool-Grounded SFT Data

  • Key Feature: We constructed an extensive tool pool from 1,585 MCP servers, encompassing 19,036 tools across 41 domains. The data pipeline analyzes schema-level dependencies to generate executable tool-chains, ensuring that the synthesized trajectories are realistic and parameter-satisfiable.
  • Sample Data: ASTRA-SFT-1k

2. Automated Verifiable Environments Synthesis

  • Key Feature: To support robust reinforcement learning, we synthesize fully verifiable environments implemented in Python. These environments are validated via sandboxed execution, providing multi-turn, step-wise verifiable training signals for reinforcement learning.

  • Sample Data: ASTRA-RL-1k

Training Process

The model is trained in two sequential stages to enhance complex agentic decision-making:

  1. Supervised Fine-Tuning (SFT) Before RL, we cold-start the model with high-quality, multi-turn tool-use trajectories. This stage establishes strong behavioral priors for tool-calling formats, long-context understanding, and complex task planning, while ensuring tool diversity and improving coverage of real-world scenarios.

  2. Reinforcement Learning (RL)
    We then conduct multi-turn, tool-integrated Reinforcement Learning with Verifiable Rewards (RLVR). Training uses Adaptive Batch Filling to improve optimization stability and data utilization, and adopts batch-level token-loss averaging for more stable and efficient optimization. At each step, actions are executed in a code sandbox and deterministically verified to produce reliable rewards.

Disclaimer

  • Non-endorsement & liability disclaimer: The model is provided for research and educational purposes only. It does not reflect the views, interests, beliefs, or endorsements of any individual or organization, and should not be interpreted as making claims about any group. The project maintainers disclaim responsibility for any direct or indirect harm or damages arising from the use or misuse of the model or related resources.

Citation

@misc{tian2026astraautomatedsynthesisagentic,
      title={ASTRA: Automated Synthesis of agentic Trajectories and Reinforcement Arenas}, 
      author={Xiaoyu Tian and Haotian Wang and Shuaiting Chen and Hao Zhou and Kaichi Yu and Yudian Zhang and Jade Ouyang and Junxi Yin and Jiong Chen and Baoyan Guo and Lei Zhang and Junjie Tao and Yuansheng Song and Ming Cui and Chengwei Liu},
      year={2026},
      eprint={2601.21558},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2601.21558}, 
}

Note: Although the model was trained with bf16 precision, verl saves checkpoints in float32 by default, and we did not change this setting.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
7059528

0 моделей