Характеристики

Контекст: 40 960 токенов
Параметры: 14,2 млрд
Размер весов: 61,1 ГБ
Лицензия: Своя лицензия
Архитектура: qwen3 · dense
Базовая модель: Qwen3-14B
Опубликована: 4 сен 2026

Ссылки

Spac-Qwen3-14B-Spatial-PE-0.008

Генерация текстаТекст → текст3 профессии

Производная модели Jack04810/spac-qwen3-4b-spatial-pe-8ep. Дообученная Qwen3-14B с пространственными токенами для понимания и генерации 3D-сеток в диалоговом формате.

131скачиваний за 30 дней0лайковвеса обновлены10 сен 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.

Открыть конструктор бенчмарка

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

Карточка модели Jack04810/Spac-Qwen3-14B-Spatial-PE-0.008 на Hugging Face совпадает с карточкой Jack04810/spac-qwen3-4b-spatial-pe-8ep, поэтому описание составлено по ней.

Jack04810 разработал SPAC Qwen3-14B Spatial-PE — дообученную плотную авторегрессионную модель семейства Qwen3 для понимания и генерации 3D-сеток. Модель содержит 14,2 млрд параметров и использует расширенный словарь из 200 824 токенов: базовую BPE-токенизацию и специальные пространственные токены для сеток и координат. Она принимает текстовые запросы и последовательности пространственных токенов, выдаёт текст и последовательности токенов 3D-сетки.

Модель предназначена для диалоговых сценариев с 3D-сетками: описания, интерпретации и генерации сеток по тексту. Контекст составляет 40 960 токенов. Для инференса требуется SPAC spatial-PE wrapper и таблица слияния hf_main_merge_table.json, чтобы воспроизвести позиционное кодирование, применённое при обучении. Указанная лицензия — other; конкретные условия следует уточнить в карточке репозитория.

Сценарии применения

генерация 3D-сетки по текстовому описанию
понимание и интерпретация последовательностей токенов 3D-сетки
диалоговые запросы о пространственной структуре сетки

Ограничения

Для инференса необходимы специальная SPAC spatial-PE обёртка и таблица слияния hf_main_merge_table.json. Условия лицензии указаны как other и требуют уточнения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

output_14b_phase2_8ep_0.008pe — SPAC Qwen3-14B Spatial-PE (merged fp32)

Qwen3-14B with the SPAC extended vocabulary (200,824 tokens: base BPE + spatial tokens), full fine-tuned for 3D mesh understanding & generation. Weights merged from the DeepSpeed ZeRO-3 checkpoint-18892 of output_14b_phase2_8ep_0.008pe into 13 fp32 pytorch_model-*.bin shards (pytorch_model.bin.index.json), i.e. the same layout as the previous release.

Relation to previous releases

Phase-2 run output_14b_phase2 (step 34268, spatial-PE scale 0.08) — the former root release.
This release: continuation from output_14b_phase2_full trained with spatial-PE scale 0.008, LR 1e-5 -> 1e-6 (cosine w/ min-LR, warmup 0.5%), 18,892 steps on bpe_160k_mix (160k samples) + ultrachat_8k (8k conversations), 8x A800, ZeRO-3 bf16, FA2, packing 8192.
Trainer-reported results: train loss 0.3348; eval loss 0.7694, eval accuracy 0.8356.

Spatial-PE parameters (spatial_pe_manifest_14b.json, this repo)

mode: absolute_anchor_plus_footprint_ipe (npe: false)
coordinate grid: [0, 31] (32 levels); coord_scale 32.0
base mesh vocab size: 8192; hidden size: 5120
training spatial-PE scale (spatial_pe_scale): 0.008 (manifest field spatial_scale: 0.08)
spatial tokens: <mesh_start> id 151669, <mesh_end> id 151670, mesh tokens 151672..168055 (16,384), morton tokens 168056..200823 (32,768); total vocab 200,824
merge table sha256: fb10dbe1f4b582a5c568169a167ccb98a3b49fd309c0a5cc386b17fc775705f8
requires the SPAC spatial-PE inference wrapper + hf_main_merge_table.json (this repo) to run with the same positional encoding used in training

Inference notes

Chat template: qwen3_nothink (no thinking). Mesh sequences tokenize as <mesh_start><morton_*><mesh_*> (see added_tokens.json).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3ForCausalLM
Ревизия весов: a1989d7