MR 9B v3 async v2 CISPO — step 127
Hugging Face-compatible model weights exported from checkpoint step 127 of the
wdblemve run. The model was initialized from HerrHruby/MR_midtrain_9B_v3.
This checkpoint is intended for inference and evaluation.
Характеристики
- Контекст
- 262 144 токена
- Архитектура
- qwen3_5 · dense
- Базовая модель
- MR_midtrain_9B_v3
- Библиотека
- transformers
- Опубликована
- 9 авг 2026
Ссылки
mr_midtrained_9b_v3_async_v2_cispo_step_127
Контрольная точка MR 9B v3 на шаге 127 для генерации текста и диалогового инференса и оценки.
19скачиваний за 30 дней0лайковвеса обновлены9 авг 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
MR 9B v3 async v2 CISPO — контрольная точка модели, экспортированная на шаге 127 запуска wdblemve. Разработчик не указан; веса инициализированы из HerrHruby/MR_midtrain_9B_v3 и опубликованы в формате, совместимом с Hugging Face Transformers, в файлах safetensors. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; метаданные указывают на поддержку диалогового взаимодействия и генерации текста.
Модель предназначена для инференса и оценки. Карточка не описывает специальные предметные области, поддерживаемые языки, размер параметров или длину контекста. Лицензия в доступных данных не указана.
Сценарии применения
- генерация ответов в диалоге
- оценка поведения контрольной точки модели
- инференс текстовой генеративной модели
Ограничения
В карточке не приведены результаты оценки качества, сведения о языках, размере параметров и длине контекста; применимость и качество требуют проверки для конкретного сценария.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- Qwen3_5ForConditionalGeneration
- Ревизия весов
- f8fcaf6