/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
3,8 млрд
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Опубликована
14 авг 2026

Ссылки

Hugging Face

output_40k_cont4ep

Jack04810
Генерация текстаТекст → текст3 профессии

Производная модели Jack04810/spac_4B_spacialpe_0.08. Дообученная Qwen3-4B модель для описания 3D-сеток по токенам и генерации токенов сетки по текстовому описанию.

16скачиваний за 30 дней0лайковвеса обновлены14 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

Карточка модели Jack04810/output_40k_cont4ep на Hugging Face совпадает с карточкой Jack04810/spac_4B_spacialpe_0.08, поэтому описание составлено по ней.

Jack04810 разработал spac_4B_spacialpe_0.08 — плотную авторегрессионную модель Qwen3ForCausalLM размером 3,8 млрд параметров, дообученную на Qwen3-4B для понимания и генерации 3D-сеток в конвейере SPAC с Spatial-PE. Обучение продолжало чекпойнт output_40k_cont2ep ещё четыре эпохи на 40 тысячах парных примеров: 20 тысяч преобразований последовательности токенов сетки в текстовое описание и 20 тысяч преобразований описания формы в последовательность токенов сетки.

Модель принимает текст и токены 3D-сетки, а выдаёт текстовые описания или последовательности токенов сетки. Для запуска требуется обёртка инференса SPAC с spatial_pe_scale 0.08 и таблицей слияния из Jack04810/spac-qwen3-4b-spatial-pe-8ep. Контекст — 40 960 токенов. В карточке указана лицензия other, поэтому конкретные условия использования следует сверить с файлами репозитория.

Сценарии применения

  • создание текстового описания 3D-сетки
  • генерация токенов 3D-сетки по текстовому описанию формы
  • диалоговое взаимодействие с представлением 3D-формы

Ограничения

Для инференса необходима специальная обёртка SPAC с Spatial-PE, значением spatial_pe_scale 0.08 и таблицей слияния из указанного репозитория. Условия лицензии с пометкой other в предоставленных данных не раскрыты.

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.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейII.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_40k_cont4ep

Qwen3-4B fine-tuned for 3D mesh understanding & generation (SPAC pipeline, Spatial-PE enabled), continued from the output_40k_cont2ep weights for 4 more epochs.

Training data (bpe_40k_mix, 40k samples)

  • 20k mesh -> text: given a mesh-token sequence, produce a text description (understanding).
  • 20k 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).
  • +4 epochs continuation from output_40k_cont2ep (fresh optimizer, fresh LR schedule).
  • LR 5e-5 cosine decay to 5e-6, warmup 3%, 4 GPUs, batch 1 each.
  • Train loss: epoch means 0.844 -> 0.660 -> 0.254 -> 0.052 (whole-run avg 0.4524).

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
522e95a

0 моделей

    Создать бенчмарк