/ Модель

Характеристики

Контекст
262 144 токена
Параметры
22,3 млрд
Размер весов
51,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Библиотека
transformers
Опубликована
8 окт 2026

Darwin-27B-ZTC-v2

Классификация текстаТекст → label

Darwin-27B-ZTC-v2 оценивает текстовые варианты решений и выдаёт вероятности для классификации и управляющих сценариев без генерации токенов.

96скачиваний за 30 дней37лайковвеса обновлены9 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Darwin-27B-ZTC-v2 — текстовая модель принятия решений из семейства Darwin, разработанная FINAL-Bench. Она принимает текстовое состояние и типизированный вопрос одного из трёх видов: бинарный выбор «да/нет» (noul), выбор одного из нескольких вариантов (choice) или оценку по упорядоченной шкале (score), после чего за один проход выдаёт вероятности для каждого варианта без генерации токенов. Модель предназначена для классификации и принятия управляющих решений в игровых сценариях, управлении дронами, контроле поиска, сопоставлении сущностей и клиентских или инцидентных процессах.

Модель содержит 22,3 млрд параметров, использует плотную текстовую архитектуру Qwen3.5 и поддерживает контекст до 262 144 токенов. По README, версия 2 продолжает обучение Darwin-27B-ZTC на обучающей части Open-Jev вместе с исходными данными версии 1, а затем усредняет веса двух моделей. Заявлены высокие результаты на англоязычном бенчмарке S1MB; при этом обучение на train-части Open-Jev пересекается с задачами, чьи тестовые разбиения представлены в бенчмарке, хотя точные тестовые примеры, согласно README, не использовались. Лицензия — Apache-2.0.

Сценарии применения

  • оценка вероятности ответа «да» или «нет» по текстовому состоянию
  • выбор наиболее вероятной метки из нескольких вариантов
  • оценивание решения по упорядоченной шкале критериев
  • принятие решений в игровых сценариях и управлении дроном
  • управление поиском и отбором контекста для retrieval-систем
  • сопоставление сущностей и маршрутизация клиентских или инцидентных обращений

Ограничения

Модель ориентирована на текстовые типизированные решения и не генерирует токены; заявленные результаты относятся к англоязычному S1MB. Часть обучающих данных Open-Jev происходит из задач, чьи тестовые разбиения входят в S1MB, что следует учитывать при интерпретации результатов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Darwin-27B-ZTC-v2

A zero-token decision engine from the Darwin family, second version. Darwin-27B-ZTC-v2 reads a piece of state and a typed question (noul yes or no, choice one of N labels, score an ordered rubric) and returns a probability for every option. It uses one forward pass per question and generates no tokens.

v2 adds control and workflow decisions (games, drones, retrieval control, entity alignment, customer and incident workflows) on top of FINAL-Bench/Darwin-27B-ZTC.

Results

S1MB (System One Mosaic Benchmark), english-v1: #1

#1 on the S1MB leaderboard under both of its rankings: the default Borda score and Task Avg. All 137 benchmarks complete, measured with the S1MB evaluator and its autojev adapter at revision a8f283a, then validated and merged by the S1MB maintainer (results).

The numbers below follow the leaderboard's own code (viewer/src/lib/borda.ts, types.ts) applied to the published results file of 2026-10-09 02:44 UTC, over the 102 models with complete results.

  • Borda score (default sort): rank the models on every benchmark, give 100 points to first place and 0 to last, and average over the 137 benchmarks.
  • Task Avg: mean baseline-adjusted score (0 to 100) within each task, then the mean of Noul, Choice and Score.
RankModelBorda scoreTask AvgNoul (59)Choice (57)Score (21)
1Darwin-27B-ZTC-v289.5866.4667.6671.5160.21
2openjev/openjev87.5062.6065.2267.7454.83
3denis-pplx/AutoJev-27B87.0760.8064.9668.1149.34
4caiovicentino1/Eikos-27B85.4359.8664.1467.6147.83
5TypeSafe Jev 1.1385.0559.5964.6367.2246.92

qasper-noul-test-v1 was run with --context-limit 32768 (12 of its decisions exceed the default 8192 tokens; nothing is truncated), recorded in the result metadata.

Training overlap (disclosed). v2 was trained on the train split of ZefanCai/Open-Jev (CC0). S1MB includes 22 benchmarks built from the test split of the same Open-Jev tasks. We used no S1MB test case: an exact-match filter over every S1MB test state, query and document removed zero training rows. v2 was not trained on any S1MB data or on Typed Decisions data.

How it was made

  1. Start from Darwin-27B-ZTC (v1).
  2. Continue full-weight training on the Open-Jev train split mixed with v1's original training data, selecting the checkpoint on held-out development rows only.
  3. Average the weights of v1 and the continued model (50/50). The average keeps v1's skills on its original tasks and adds the new control and workflow skills.

Files and usage

The layout is the same as v1: backbone weights (BF16, about 54 GB), readout.safetensors, decision_config.json, tokenizer, and the inference code in autojev/ (from autojev, MIT, with text-only backbone support added).

  • ztc_server.py: a POST /v1/systemone server (ZTC_MODEL=<path> PORT=8000 python ztc_server.py).
  • ztc_engine.py: an in-process engine for the Decision Index kit.
import sys
from huggingface_hub import snapshot_download

path = snapshot_download("FINAL-Bench/Darwin-27B-ZTC-v2")
sys.path.insert(0, path)
from autojev.model import DecisionModel

model = DecisionModel(checkpoint=path)
row = {"state": {"ticket": "Charged twice for one order."},
       "question": {"type": "choice", "instructions": "What should support do?",
                    "criteria": {"refund": "Refund the duplicate charge.", "escalate": "Send to billing.", "close": "No action."}}}
print(model.predict([row])[0])

Citation

@misc{darwin27bztcv2,
  title  = {Darwin-27B-ZTC-v2: a zero-token decision engine},
  author = {VIDRAFT and FINAL-Bench},
  year   = {2026},
  url    = {https://huggingface.co/FINAL-Bench/Darwin-27B-ZTC-v2}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5TextModel
Ревизия весов
ed78457

0 моделей