/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
24 апр 2026

Darwin-28B-Opus

Генерация текстаТекст → текст14 профессий

Darwin-28B-Opus — плотная языковая модель на базе Qwen3.6, предназначенная для сложных рассуждений, решения научных и математических задач и генерации кода.

2 154скачиваний за 30 дней44лайкавеса 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 оценки1

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • Idavidrein/gpqa

    score · выше — лучше

    Результат

    88,89

    diamond 88,89question-answering 88,89
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Darwin-28B-Opus — языковая модель для рассуждений, созданная командой Darwin путем эволюционного слияния Qwen/Qwen3.6-27B и модели rico03/Qwen3.6-27B-Claude-Opus-Reasoning-Distilled. Она сохраняет плотную архитектуру Qwen3.6 с гибридным линейным и полным вниманием и наследует стиль рассуждений, полученный дистилляцией поведения Claude Opus. Модель содержит 27,6 млрд параметров, представлена в формате BF16 и рассчитана на генерацию текста в режиме диалога и многошаговые рассуждения.

Модель предназначена для решения сложных научных и математических задач, генерации и отладки кода, а также ответов на вопросы, требующие последовательного анализа. В README приведен результат 88,89% на GPQA Diamond при трехэтапной адаптивной оценке; он зависит от описанного протокола сэмплирования и уточнения ответов. Основной язык — английский; также заявлена поддержка корейского, китайского и японского языков. Полный вывод требует около 55 ГБ видеопамяти. Лицензия — Apache 2.0.

Сценарии применения

  • Решение задач университетского уровня по естественным наукам
  • Пошаговое решение сложных математических задач
  • Генерация и отладка программного кода
  • Ответы на многошаговые вопросы и задачи на рассуждение
  • Рассуждения и ответы на английском, корейском, китайском и японском

Ограничения

Полный вывод BF16 требует около 55 ГБ видеопамяти. Английский является основным языком; рассуждения могут быть многословными, а приведенный результат GPQA Diamond получен с многоэтапным протоколом оценки.

Для каких профессий подходит14

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-Opus — Qwen3.6-27B × Opus-Distilled Evolutionary Merge

Qwen3.6-27B dense · 27.6B parameters · Hybrid Linear/Full Attention · BF16 · Thinking Mode · Apache 2.0 Darwin V7 evolutionary merge: Father × Opus-distilled Mother → 88.89% on GPQA Diamond (3-stage adaptive evaluation)


Abstract

Darwin-28B-Opus is the first reasoning model of the Darwin series built on the Qwen3.6 generation backbone. Produced by the Darwin V7 evolutionary breeding engine from two publicly available parents, it combines the strong bilingual reasoning of Qwen3.6-27B with Claude Opus 4-style chain-of-thought distilled behaviour.

On the GPQA Diamond graduate-level reasoning benchmark (198 PhD-level questions), Darwin-28B-Opus scores 88.89 % under the standard 3-stage adaptive evaluation, slightly edging out its larger MoE sibling Darwin-36B-Opus (88.4 %) and clearly surpassing its Qwen3.5-generation counterpart Darwin-27B-Opus (86.9 %).


🧬 Model Lineage

RoleModelRole in the Merge
Father (父)Qwen/Qwen3.6-27BQwen3.6 generation dense backbone with hybrid linear/full attention.
Mother (母)rico03/Qwen3.6-27B-Claude-Opus-Reasoning-DistilledClaude Opus reasoning-distilled variant of the same backbone (Jackrong-style distillation, 14 k traces).
OffspringDarwin-28B-Opus (this model)Darwin V7 evolutionary merge; Qwen3.6 architecture retained, Opus reasoning style inherited.

Why 28B? The 28B label denotes the Qwen3.6-generation member of the Darwin lineup (+1 over the Qwen3.5-era Darwin-27B-Opus). The actual parameter count is 27.6 B, and the architecture exactly follows Qwen3.6-27B.


⚙️ Technical Specifications

ComponentValue
ArchitectureQwen3_5ForConditionalGeneration (Qwen3.6 generation, hybrid linear + full attention)
Parameters27.6 B (BF16)
Hidden size5 120
Intermediate size17 408
Head dim256
Layers64 (3 linear : 1 full attention, full_attention_interval = 4)
Precisionbfloat16
Context lengthInherited from base (long-chain reasoning supported)
LicenseApache 2.0

🏆 Benchmark — GPQA Diamond (198 questions)

Darwin-28B-Opus is evaluated under our standard 3-stage adaptive evaluation protocol, identical to the protocol used across the Darwin series.

StageDecoding ProtocolCostAccuracy
Stage 1Single-shot greedy baseline1×74.75 % (148 / 198)
Stage 2Majority vote ×8 at temperature 0.7 on Stage-1 wrongs8×83.84 % (166 / 198)
Stage 3Adaptive ensemble refinement (close-tie tiebreaker + iterative MTI on residual hard questions)≈ 20×🥇 88.89 % (176 / 198)

Key performance indicators:

  • Stage 1 → Stage 3: +14.14 %p through adaptive protocol
  • vs Darwin-27B-Opus (86.9 %): +1.99 %p
  • vs Darwin-36B-Opus (88.4 %): +0.49 %p
  • vs Darwin-31B-Opus (85.9 %): +2.99 %p

🚀 Usage

Standard inference (Stage 1 baseline)

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tok = AutoTokenizer.from_pretrained(
    "FINAL-Bench/Darwin-28B-Opus",
    trust_remote_code=True,
)
model = AutoModelForCausalLM.from_pretrained(
    "FINAL-Bench/Darwin-28B-Opus",
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

messages = [
    {"role": "user",
     "content": "Solve: If f(x) = x³ − 3x + 2, find all critical points and classify them."}
]
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tok(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=2048, do_sample=False)
print(tok.decode(outputs[0][inputs.input_ids.shape[-1]:], skip_special_tokens=True))

Enhanced accuracy (Stage 2-3 adaptive)

For leaderboard-grade accuracy, combine:

  1. Stage 1 greedy baseline,
  2. Stage 2 maj@8 temperature sampling on low-confidence answers,
  3. Stage 3 adaptive refinement on still-disputed answers.

Reference implementation is provided in the Darwin-series evaluation harness.


🎯 Recommended Use-Cases

  • Graduate-level STEM reasoning (GPQA / science qualifying exams)
  • Mathematical problem solving (MATH, AIME-style problems)
  • Code generation and debugging (HumanEval, MBPP)
  • Complex multi-step chain-of-thought tasks
  • Bilingual reasoning (strong English + Korean; also Chinese / Japanese)

⚠️ Limitations

  • At 27.6 B parameters in bfloat16, full inference requires ≈ 55 GB of VRAM (e.g., a single A100-80GB or B200).
  • Optimised for English first, with secondary support for Korean, Chinese, and Japanese.
  • Deep Opus-style reasoning traces tend to be verbose — control with max_new_tokens as needed.

📚 Citation

@misc{darwin28b_opus_2026,
  title  = {Darwin-28B-Opus: Evolutionary Merging of Qwen3.6-27B with Claude-Opus-Distilled Reasoning},
  author = {FINAL-Bench / Darwin Research Team},
  year   = {2026},
  howpublished = {\url{https://huggingface.co/FINAL-Bench/Darwin-28B-Opus}},
  note   = {Darwin V7 · Mother-centric Ratio Interpolation merge · 88.89 % GPQA Diamond (3-stage)}
}

🔗 Related Darwin Models

  • Darwin-36B-Opus — MoE 36B, Qwen3.6-35B-A3B × Opus distilled, GPQA 88.4 %
  • Darwin-31B-Opus — 31B dense, multilingual-strong reasoning, GPQA 85.9 %
  • Darwin-27B-Opus — 27B dense (Qwen3.5 generation), GPQA 86.9 %
  • Darwin-9B-NEG — 9B with Native Entropy Gating, GPQA 84.3 %
  • Darwin-9B-Opus — the Qwen3.5-9B Darwin member
  • Darwin-4B-Genesis — smallest Darwin member

📱 Related — POCKET (run a 35B model on-device)

Want Darwin-class reasoning without a datacenter GPU? POCKET is VIDRAFT's on-device family — a 35B model that runs on a phone and on a GPU-less PC using stock llama.cpp (no fork, no CUDA, no cloud). On a free CPU it generates ~3.4× faster than Bonsai, the most-downloaded on-device model (2M+), at matched quality (HellaSwag 61.0 % vs 60.0 %, a statistical tie).


This model is introduced in Darwin Family.

Darwin V7 · Qwen3.6 generation flagship · Sealed 2026-04-25 · FINAL-Bench

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
f9b1143

0 моделей