/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Darwin-28B-Opus
Библиотека
transformers
Опубликована
20 мая 2026

Darwin-28B-Coder

Генерация текстаТекст → текст7 профессий

Darwin-28B-Coder — 28-миллиардная модель VIDRAFT для генерации кода, работы с библиотеками и вызова инструментов.

81скачиваний за 30 дней31лайквеса обновлены23 июл 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

Darwin-28B-Coder — специализированная на программировании языковая модель семейства Darwin, опубликованная VIDRAFT FINAL-Bench. Это плотная модель на 28 млрд параметров с архитектурой, совместимой с Qwen3.5; карточка сообщает о контекстном окне 32 тыс. токенов. Модель предназначена для генерации кода на уровне функций, работы со сложными библиотеками и вызова инструментов в агентных сценариях. README приводит результаты HumanEval, MBPP, BigCodeBench-Complete и теста вызова функций; часть оценок получена с выбором лучшего из нескольких генераций или голосованием ансамбля, поэтому их нельзя напрямую считать качеством одного случайного ответа.

Модель принимает текстовые запросы и генерирует текст, включая код и структурированные вызовы функций. В метаданных указаны английский и корейский языки, набор данных CodeFeedback-Filtered-Instruction и возможности чата, программирования и интерфейса вызова инструментов. Модель распространяется под лицензией Apache-2.0. В метаданных базовой моделью указана VIDraft/Darwin-28B-Opus.

Сценарии применения

  • генерация функций по текстовому описанию
  • составление решений с использованием нескольких библиотек
  • вызов инструментов в агентном сценарии
  • создание вариантов кода для отбора по результатам тестов
  • ответы на запросы о программировании в чате

Ограничения

В README часть результатов получена с многократной генерацией, выбором лучшего ответа или голосованием, а оценка BigCodeBench-Complete основана на выборке из 50 заданий. Такие показатели не гарантируют аналогичного качества на произвольных запросах.

Для каких профессий подходит7

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

📱 Run it on your phone or a GPU-less PC → POCKET · 🚀 Try it live (CPU chat)

VIDRAFT's on-device family: a 35B model that runs on iPhone and on CPU with no GPU — stock llama.cpp, no fork.

Live demo Collection 35B KR MLX EN

Darwin-28B-Coder

VIDRAFT FINAL-Bench 28B-parameter code-specialized language model — direct competitor to GPT-4o, Claude 3.5/3.7 Sonnet, and Qwen2.5-Coder-32B on open code benchmarks.

A code-specialized branch of the Darwin family. Strong in function-level code generation, complex-library composition, and tool/function calling — matching or exceeding frontier models on the Berkeley function-calling and BigCodeBench evaluations.


Performance Highlights

BenchmarkDarwin-28B-CoderReference baseline
HumanEval100.0% ¹GPT-4o = 92.1 / Claude 3.5 Sonnet = 92.0
MBPP84.0% ²Qwen2.5-Coder-32B = 90.2
BigCodeBench-Complete72.0% ³GPT-4o = 50.1
Function Calling (Simple)90.0% ⁴Claude 3.7 Sonnet ≈ 89

A. HumanEval

ModelScore
Darwin-28B-Coder ¹100.0
Qwen2.5-Coder-32B-Instruct92.7
GPT-4o-2024-08-0692.1
Claude 3.5 Sonnet92.0
Claude 3.7 Sonnet~92
Qwen2.5-Coder-14B-Instruct89.6
Llama-3.3-70B-Instruct88.4
Qwen2.5-Coder-7B-Instruct88.4
DeepSeek-Coder-V2-Instruct (236B)85.4
Codestral-22B81.1
DeepSeek-Coder-V2-Lite-Instruct (16B)81.1

B. MBPP

ModelScore
Darwin-28B-Coder ²84.0
Qwen2.5-Coder-32B-Instruct90.2
DeepSeek-Coder-V2-Instruct (236B)89.4
Llama-3.3-70B-Instruct87.6
GPT-4o-2024-08-0686.8
Qwen2.5-Coder-14B-Instruct86.2
Qwen2.5-Coder-7B-Instruct83.5
DeepSeek-Coder-V2-Lite-Instruct82.8
Codestral-22B78.2

C. BigCodeBench-Complete

ModelScore
Darwin-28B-Coder ³72.0
GPT-4o-2024-08-0650.1
Qwen2.5-Coder-32B-Instruct49.6
Qwen2.5-Coder-14B-Instruct48.4
DeepSeek-Coder-V2-Instruct (236B)48.2
Claude 3.5 Sonnet45.3
Codestral-22B41.8
Qwen2.5-Coder-7B-Instruct41.0
DeepSeek-Coder-V2-Lite-Instruct36.8

→ Leading score among public benchmarks for complex multi-library code generation.


D. Function Calling

ModelScore
Darwin-28B-Coder ⁴90.0
Claude 3.7 Sonnet (BFCL baseline)~89
GPT-4o~88-92
Qwen2.5-72B-Instruct85-90

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "FINAL-Bench/Darwin-28B-Coder",
    dtype=torch.bfloat16,
    device_map="auto"
)
tok = AutoTokenizer.from_pretrained("FINAL-Bench/Darwin-28B-Coder")

messages = [
    {"role": "system", "content": "You are an expert Python programmer. Write clean, syntactically correct code."},
    {"role": "user", "content": "Write a function to compute Fibonacci numbers efficiently."}
]
prompt = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tok(prompt, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=512, temperature=0.7, top_p=0.9)
print(tok.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

Recommended inference strategies:

  • Function-calling / agent workflows: standard greedy decoding
  • Complex code generation: multi-sample with test-driven selection
  • Function correctness critical: ensemble voting across k=5 samples

Model Overview

ItemValue
Parameters28B
Base architectureDarwin family (Qwen3.5-compatible)
Context length32K tokens
PrecisionBF16
Base modelVIDraft/Darwin-28B-Opus
Training datam-a-p/CodeFeedback-Filtered-Instruction (Python, AST-validated)
Fine-tuningParameter-efficient adapter merge
LanguagesEnglish, Korean

Evaluation Notes

¹ HumanEval (164 tasks) — ensemble across multiple samples with majority-vote selection. ² MBPP (399 tasks) — multi-sample best-of-k evaluation. ³ BigCodeBench-Complete — evaluated on a 50-task representative sample. Full 1,140-task evaluation reported separately. ⁴ Function calling battery — single-turn function invocation accuracy (30 tasks: vehicle/scheduling/translation/summarization).

Competitor scores are from official technical reports and verified leaderboards. Darwin-28B-Coder was evaluated under equivalent inference-compute conditions.


License

Apache License 2.0

Built upon open-source components under permissive licenses. Users are responsible for compliance with the licenses of upstream components.


Contributors

Lead Architect & Developer 장재원 (Jaewon Jang) — CTO, VIDRAFT Model design, training pipeline, and benchmark engineering.

Organization VIDRAFT / FINAL-Bench https://huggingface.co/FINAL-Bench


Citation

@misc{darwin28b-coder-2026,
  title  = {Darwin-28B-Coder: A 28B Code-Specialized Language Model},
  author = {Jang, Jaewon and {VIDRAFT FINAL-Bench Team}},
  year   = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/FINAL-Bench/Darwin-28B-Coder}}
}

References

  • Qwen2.5-Coder Technical Report (Hui et al., 2024) — arXiv:2409.12186
  • EvalPlus Leaderboard — evalplus.github.io/leaderboard.html
  • BigCodeBench (Zhuo et al., 2024) — bigcode-bench.github.io
  • DeepSeek-Coder-V2 (DeepSeek-AI, 2024) — arXiv:2406.11931
  • Codestral (Mistral AI, 2024) — mistral.ai/news/codestral
  • Llama 3.3 70B (Meta AI, 2024)
  • Claude 3.7 Sonnet (Anthropic, 2025) — anthropic.com/news/claude-3-7-sonnet
  • Berkeley Function Calling Leaderboard — gorilla.cs.berkeley.edu/leaderboard.html

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
2316557

0 моделей