/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
19 июн 2026

Darwin-V9-Chimera-4B-SFT

Генерация текстаТекст → текст11 профессий

Экспериментальная гибридная модель на основе Qwen3-4B и Gemma4-E4B для диалогов, следования инструкциям и рассуждений на корейском и английском языках.

21скачиваний за 30 дней0лайковвеса обновлены21 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-V9-Chimera-4B-SFT — экспериментальная диалоговая языковая модель, созданная автором проекта Darwin путем объединения компонентов Qwen3-4B и Gemma4-E4B с последующим полным дообучением на инструкциях. Архитектура — плотная Qwen3ForCausalLM; модель содержит около 3,7 млрд параметров, принимает текст и рассчитана на контекст до 40 960 токенов. В README заявлена поддержка корейского и английского языков и переключения между режимами рассуждения и краткого ответа.

Модель предназначена для диалогов, следования инструкциям, генерации кода и задач с многошаговым рассуждением. По оценке авторов на KMMLU она набрала 52,2% при разрешении генерировать до 768 токенов; результат короткого ответа они считают нехарактерным из-за необходимости сначала рассуждать. Это частный исследовательский чекпойнт, а весовой отпечаток остаётся преимущественно близким к Qwen3-4B. Указана лицензия Apache-2.0.

Сценарии применения

  • диалоговые ответы на инструкции на корейском языке
  • диалоговые ответы на инструкции на английском языке
  • решение задач по математике с пошаговым рассуждением
  • ответы на вопросы по информатике
  • генерация и объяснение кода
  • переключение между режимом рассуждения и кратким ответом

Ограничения

Авторы отмечают, что качество коротких ответов на KMMLU может быть занижено, поскольку модель сначала рассуждает; показатель NEG не улучшил результат на этой оценке, а возможная польза для более сложных задач не проверена. Модель остаётся преимущественно производной от Qwen3-4B, а заявленные результаты приведены авторами проекта.

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

Darwin-V9-Chimera-4B-SFT (Generation 2 · instruction-tuned)

VIDRAFT attention + Qwen3-4B / Gemma4-E4B FFN crossbreed + SFT. A Qwen3-4B × Gemma4-E4B hybrid — NOT from-scratch. Private research checkpoint.

Lineage

GenModelComposition
Gen1Darwin-Chimera-4B-Gen1Qwen3-4B attention-healing adapter
Gen2 (healed)Darwin-V9-Chimera-4B+ Gemma4-E4B FFN crossbreed → re-healing
Gen2 SFT (this)Darwin-V9-Chimera-4B-SFT+ B4-Hybrid SFT (think toggle + ko/en CoT)

SFT

  • data: B4_merged_hybrid, 17,202 ex (think/no_think toggle, Korean/English CoT)
  • method: ChatML + prompt masking (assistant-only loss) + full fine-tune, lr 2e-5, 3 epochs

Evaluation (KMMLU, ChatML)

measurescore
max_new=8 (short answer)25.6% (measurement artifact)
max_new=768 (think)52.2% (Math 70%, CS 67%)

→ With sufficient thinking budget, 52.2% — ~2× the healed checkpoint (27.8%). Instruction following is complete (think/no_think toggle, markdown, code). The short-answer score is an artifact: this model reasons before answering.

Weight fingerprint (honest)

  • vs Qwen3-4B: FFN 16% rel-change, attention 3%, embed 0.78%. FFN cosine 0.998 → Qwen-dominant.
  • vs Gemma4-E4B FFN: cosine 0.09 (15% blend, weak at weight level; Gemma knowledge partially visible in generation).
  • At the weight level this is clearly a Qwen3-4B derivative. We make no from-scratch / independence claim.

NEG (Native Entropy Gating)

  • A NEG-Head was trained (entropy-prediction pearson 0.92) and neg_modules.safetensors is included.
  • However, NEG showed no effect on KMMLU (threshold untuned / mid-difficulty). Potential effect on harder reasoning (GPQA) is unverified.

License

Gemma Terms of Use (Gemma4-E4B weights blended in) + Apache 2.0 (Qwen3-4B). Built on Qwen/Qwen3-4B and google/gemma-4-E4B.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
20872bd

0 моделей