/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
14,2 млрд
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-14B
Опубликована
21 авг 2026

Ссылки

Hugging Face

output_14b_phase2_8k

Jack04810
Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-14B для описания 3D-сеток по токенам сетки и генерации сеток из текстовых описаний.

60скачиваний за 30 дней0лайковвеса обновлены21 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.

  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.

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

Jack04810/output_14b_phase2_8k — дообученная модель Qwen3-14B, разработанная для понимания и генерации 3D-сеток. Это полное дообучение второй фазы на базе Jack04810/output_14b_phase1_full; в метаданных базовой моделью указана Qwen/Qwen3-14B. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 14,2 млрд параметров и имеет контекстное окно 40 960 токенов.

Модель обучалась на парах данных для двух направлений: описание сетки по последовательности mesh-токенов и генерация последовательности mesh-токенов по текстовому описанию формы. Для инференса требуются шаблон чата qwen3_nothink и обёртка SPAC Spatial-PE с параметрами, указанными в README. Репозиторий содержит веса safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять на странице модели.

Сценарии применения

  • создание текстового описания 3D-сетки
  • генерация 3D-сетки по описанию формы
  • двунаправленное преобразование между описаниями и mesh-токенами

Ограничения

Для инференса необходимы обёртка SPAC Spatial-PE и соответствующая таблица слияния; модель использует специальные токены для представления сеток. Лицензия указана как other, поэтому условия использования требуют проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиIV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

output_14b_phase2_8k

Qwen3-14B fine-tuned for 3D mesh understanding & generation (SPAC pipeline, Spatial-PE enabled), full fine-tune phase 2 from output_14b_phase1_full.

Training data (bpe_20k_mix, 20k samples + ultrachat_1k, 1k conversations)

  • 10k mesh -> text: given a mesh-token sequence, produce a text description (understanding).
  • 10k text -> mesh: given a caption + "Reconstruct this 3D shape in mesh token format:", output the mesh token sequence (generation).

Both directions are paired on the same shapes.

Training details

  • Full fine-tune (all params), DeepSpeed ZeRO-3, bf16, FlashAttention-2, packing (8192, neat), 8 GPUs, batch 1 each.
  • LR 5e-5 cosine decay to 5e-6, warmup 3%.
    • Epochs: 8.0, train loss: 1.0862, runtime: 22.8 h.

Inference notes

  • Chat template: qwen3_nothink (no thinking). Mesh shapes are tokenized as <mesh_start><morton_*><mesh_*> tokens (see added_tokens.json).
  • Requires the SPAC Spatial-PE inference wrapper (spatial_pe_scale 0.08, merge table from Jack04810/spac-qwen3-4b-spatial-pe-8ep) to run with the spatial positional encoding used in training.

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
3f2c88c

0 моделей

    Создать бенчмарк