/ Модель

Характеристики

Контекст
262 144 токена
Параметры
22,3 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.6-27B
Библиотека
transformers
Опубликована
4 июл 2026

Focus

Генерация текстаТекст → текст13 профессий

Focus — текстовая дообученная версия Qwen3.6-27B для генерации текста, программирования и агентных сценариев с длинным контекстом и вызовом инструментов.

2 190скачиваний за 30 дней0лайковвеса обновлены9 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

Focus — производная текстовая модель Jaidchen на базе Qwen/Qwen3.6-27B, представленная в архитектуре Qwen3_5ForCausalLM и содержащая 22,3 млрд параметров. Она предназначена для генерации текста, программирования и агентных сценариев с чатом и интерфейсом вызова инструментов. Контекст составляет до 262 144 токенов. Из модели удалены компоненты обработки изображений и видео: соответствующие данные могут оставаться в контексте, но модель не интерпретирует их. Автор заявляет о снижении требований к хранению, памяти и времени вывода без потери качества; независимые результаты сравнения в доступной карточке не приведены.

Шаблон чата поддерживает роли developer и system, сохранение исторических рассуждений и разные формы вызовов инструментов. Совместимость зависит от движка: карточка указывает поддержку в SGLang версии 0.5.17 и новее и vLLM версии 0.26.0 и новее; другие движки могут требовать адаптации и вести себя непредсказуемо. По умолчанию случайная выборка отключена, что ограничивает пригодность для длинного творческого письма и развлекательного чата. Лицензия — Apache-2.0.

Сценарии применения

  • генерация и продолжение текста
  • помощь в написании программного кода
  • создание агента с вызовом инструментов
  • чат с большим объёмом контекста
  • обработка диалогов с историческими рассуждениями

Ограничения

Модель не распознаёт содержание изображений и видеокадров, хотя они могут занимать место в контексте. Совместимость с движками вывода ограничена, а отключённая по умолчанию случайная выборка делает её менее подходящей для длинного творческого письма и развлекательного чата.

Для каких профессий подходит13

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

Focus

repackaged Qwen 3.6 27B with a simplified architecture and minor opinionated improvements

  • all vision-related components removed
  • reduced storage and memory, faster inference
  • zero loss of output quality

comparison

pros

  • reduced storage needs
  • reduced loading time
  • reduced VRAM occupancy, thus more room for context
  • increased inference speed
  • simplified architecture, unlocking some further potential for optimizing low-level procedures

cons

  • legally blind
    • Pictures and video frames can still be present in the context without crashing, but their contents are no longer interpreted by the model and won’t do anything else than waste space.
    • If you occasionally rely on those capabilities, I suggest adding a consult tool to your harness that calls a vision-enabled subagent model like Gemini Flash or GPT.
  • reduced compatibility
    • The simplified architecture is handled by the Qwen3_5ForCausalLM class which may not be included in your inference engine. In this case you would need to ask your agent or integrate it yourself.
      • Inference engines confirmed to have native support:
    • The applied coercions may confuse your inference engine in case it has fixed expectations about the model’s architecture and thus lead to unpredictable behavior.

caveats

  • model file not split, possibly causing issues if intended to be stored on an HDD from the previous century
  • random sampling disabled by default, less suitable for long-form writing, entertainment and casual chat

Jinja template changes

chat.jinja is reproducibly built from an untouched upstream template plus the ordered patch stack in jinja_build/. jinja_build/build.ps1 applies the patches lexicographically and overwrites the final chat.jinja.

  • base: Qwen/Qwen3.6-27B original
    • commit 6a9e13bd6fc8f0983b9b99948120bc37f49c13e9
    • SHA-256 E84F32A23FDDA27689F868AA4A1A5621F41133E51A48D7F3EFCBEA2839574259
  • adopted tweaks from Unsloth Qwen3.6
  • adopted tweaks from Froggeric version
    • Added preserve_thinking option to retain historical reasoning. (line 8, lines 225–230)
    • Retained mid-conversation system/developer messages as Qwen system turns. (lines 165–182)
    • Allowed string-valued message.thinking as fallback for historical reasoning. (lines 183–197)
    • Applied boundary-aware </think> parsing. (lines 198–223)
    • Avoided synthesizing empty historical thinking blocks. (lines 225–230)
    • Supported both wrapped and direct tool calls, but never null-wrapped. (lines 231–237)
    • Preserved non-empty string tool arguments. (lines 261–280)
    • Used direct message indexing for tool-response grouping instead of loop.previtem/loop.nextitem. (line 165, lines 286–318)
  • custom tweaks
    • Merged any number of leading system/developer messages, generalizing Unsloth's two-message merge. (lines 45–57)
    • Applied boundary-aware </think> parsing but excluded Froggeric's malformed-tag recovery. (lines 198–223)
    • Raised an error containing the offending role instead of Qwen's generic unknown-role error. (lines 143–144)
    • Used direct message indexing for tool-response grouping without Froggeric's error-escalation state. (lines 286–318)
    • Guarded undefined tools/tool_calls and handled non-mapping content items defensively.
    • Adopted Qwen's proposed continue_final_message fix for partial assistant prefills. (lines 130–132)
  • unimodality patch
    • Removed Qwen's vision-token machinery and rendered image/video content as [image] and [video]. (lines 1–41)

license

Apache 2.0 – inherited from Qwen 3.6 27B

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
adfe7ff

0 моделей