/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwopus3.6-35B-A3B-v1
Библиотека
transformers
Опубликована
29 июн 2026

Qwopus3.6-35B-A3B-Coder-MTP-GGUF

Изображение и текст → текст8 профессий

Qwopus3.6-35B-A3B-Coder-MTP-GGUF — экспериментальная общественная модель от Jackrong, созданная на основе Qwopus3.6-35B-A3B-v1 и unsloth/Qwen3.6-35B-A3B.

339 тыс.скачиваний за 30 дней250лайковвеса обновлены9 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Это дообученная модель для программирования и агентных сценариев, ориентированная на локальные рабочие процессы, в которых модель читает файлы, выбирает инструменты, изменяет код, запускает тесты, анализирует ошибки и подводит итоги.

Модель использует архитектуру Mixture of Experts с 35 млрд общих и примерно 3 млрд активных параметров. Она рассчитана на режим без явно отображаемого длительного рассуждения, что должно снижать расход токенов и задержку в повторяющихся циклах работы агента. Поддерживаются генерация текста, работа с изображениями и текстом, вызов инструментов и function calling; заявлена совместимость с агентными оболочками в стиле Codex, OpenHands, Claude Code и OpenCode. В метаданных указаны языки английский, китайский, испанский, русский и японский. Размер контекста в README не указан.

Сильные стороны модели — эффективность MoE, ориентация на быстрые циклы программирования, отладку и использование инструментов, а также пригодность для локального запуска в формате GGUF. Ограничения связаны с экспериментальным статусом, отсутствием подтверждённых в README количественных оценок качества и неопределённостью характеристик в конкретных задачах; заявленные возможности требуют самостоятельной проверки. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[!WARNING] Community Release Notice: Qwopus-3.6-35B-A3B-Coder is an experimental community model intended for research, local coding-agent evaluation, and workflow exploration. It has not undergone complete safety evaluation or broad general-domain benchmarking.

[!IMPORTANT] Evaluation Mode: The central design target and comparison framing in this card is thinking-off execution. The model is evaluated for whether it can remain useful and stable without relying on long visible reasoning traces at every step.


🎯 1. Fine-Tuning Objective: Less Overthinking, More Execution


💡 2. Base Model, Training Stack & Collaboration


📊 3. Thinking-Off Agentic Evaluation


🎮 4. Live Agent Demo: RTS Game Sample


🗺️ 5. Training & Workflow Design

The training and evaluation philosophy for this release centers on agent execution rather than visible chain length. The model should know when to act directly, when to inspect more context, and when to stop and summarize.

       [ Qwopus-3.6-35B-A3B-Coder: Agentic Execution Pipeline ]

  Base MoE Foundation
  Qwen3.6-35B-A3B / Qwopus3.6-35B-A3B-v1
          │
          ▼
  Coding + Tool-Use Adaptation
  repository tasks, debugging traces, tool schemas, multi-turn feedback
          │
          ▼
  Thinking-Off Behavior Target
  faster next-step decisions, less overthinking, lower token waste
          │
          ▼
  Agent Harness Workflows
  read files → choose tool → edit code → run tests → inspect errors → iterate → report
          │
          ▼
  Final Objective
  stable long-horizon code execution with practical local latency

[!NOTE] This model card intentionally frames thinking-off behavior as a product target. Long thinking can still be useful for difficult reasoning, but the release focuses on whether the model can complete real coding-agent work without paying that cost on every step.


✅ 6. Recommended Use Cases & Known Limits

[!CAUTION] Deployment note: For agent use, ensure that tool definitions, system prompts, output parsing, and retry behavior are consistent. Thinking-off models can be fast, but the harness still needs clean schemas, useful error feedback, and strict task boundaries.


📚 7. Resources, Acknowledgements & Citation

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
6a56630

0 моделей