/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
19,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Опубликована
19 июл 2026

DeepSeek-V4-Pro-Qwen3.5-9B

Генерация текстаТекст → текст3 профессии

Экспериментальная 9-миллиардная модель на базе Qwen3.5, дистиллированная из DeepSeek-V4-Pro для диалоговых математических и STEM-рассуждений.

475скачиваний за 30 дней12лайковвеса обновлены13 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.

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

Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B — компактная модель для диалогов и рассуждений, созданная как дообученная версия Qwen3.5-9B. По карточке, её ответы дистиллированы из DeepSeek-V4-Pro в режиме Max Effect; обучение включало supervised fine-tuning на примерно 250 тысячах примеров по математике и STEM, а затем лёгкое уточнение с помощью GSPO. Модель содержит 9 млрд параметров, использует плотную архитектуру Qwen3.5 и распространяется в формате Safetensors. Метаданные также указывают интерфейс вызова инструментов и поддержку изображений у базовой модели, однако карточка этой версии описывает прежде всего текстовые задачи рассуждения.

Модель предназначена для пошагового решения математических и научных задач, а также для диалогового применения. В карточке сообщается о предварительных улучшениях программирования и использования инструментов без специального обучения на коде. В приведённых оценках модель показала 94,50% на GSM8K и 90,53% среднего результата по Math, Physics и Chemistry в MMLU-Pro; результаты получены в конкретных конфигурациях запуска и не гарантируют аналогичного качества в других условиях. Карточка называет модель экспериментальной и отмечает риск галлюцинаций и ошибок на сложных или недостаточно определённых задачах. Лицензия — Apache-2.0.

Сценарии применения

  • пошаговое решение школьных математических задач
  • ответы на вопросы по математике, физике и химии
  • разбор научных задач с построением решения
  • диалоговые ответы на вопросы с рассуждением
  • предварительная проверка простых программных вопросов

Ограничения

Карточка предупреждает о галлюцинациях, ошибках рассуждения и нестабильности на сложных или недостаточно определённых задачах; программирование и вызов инструментов улучшились лишь предварительно и без специализированного обучения. Опубликованные оценки основаны на ограниченных выборках и разных конфигурациях запуска, поэтому их нельзя считать полной оценкой возможностей модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🤝 Collaboration & Training Support

🔬 1. Distillation & Training Data

📊 2. Benchmark Results

2.1 GSM8K

The NVFP4 checkpoint was evaluated on GSM8K four times, and the resulting scores were averaged. Its four-run mean accuracy is 94.50% under vLLM. In the comparison supplied with this release, the 9B student slightly exceeds the reported DeepSeek-V4-Pro teacher result and approaches the Llama-3.3-70B-Instruct reference.

2.2 MMLU-Pro: Math, Physics & Chemistry

Each model was evaluated on 500 questions from each of three MMLU-Pro subsets—Math, Physics, and Chemistry—for 1,500 questions per model. In this reported comparison, DeepSeek-V4-Pro-Qwen3.5-9B achieves the highest average at 90.53%. Its compact 4B sibling is now included alongside the Qwen and Claude Mythos-distilled references.

2.3 Inference Efficiency

🛠️ 3. Generalization Beyond the Training Mix

✅ 4. Instruction Following & Output-Format Compliance

🎮 Game Showcase: Star Skip by Kyle

🎯 5. Recommended Uses

  • Mathematical problem solving and step-by-step derivation
  • Physics, chemistry, and broader STEM question answering
  • Structured reasoning and analytical instruction following
  • Research on reasoning distillation and cross-domain SFT transfer
  • Experimental tool-calling or programming workflows where outputs are independently validated

⚠️ 6. Limitations

  • This is an experimental 9B community model and remains subject to hallucinations, reasoning errors, and unstable behavior on difficult or underspecified tasks.
  • The reported MMLU-Pro results are based on 500 randomly sampled questions from each of the Math, Physics, and Chemistry subsets, rather than the complete subsets; they are not a comprehensive capability or safety evaluation.
  • GSM8K and MMLU-Pro used different inference builds and backends, so their scores should not be used to infer quantization equivalence.
  • Programming and tool-use gains were observed without direct coding supervision but are described only as small, preliminary generalization gains.
  • Users should independently verify high-stakes mathematical, scientific, or factual outputs.

📚 7. Resources, Acknowledgements & Citation

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
40c1fbe

0 моделей