/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
19,3 ГБ
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
2 сен 2026

OPSD-PI-Qwen3.5-9B-Strong-Trailing-1024-A6000-Merged-Update04

Генерация текстаТекст → текст9 профессий

Объединённый чекпойнт Qwen3.5-9B после четырёх обновлений оптимизатора для диалоговой генерации текста и работы с кодом.

18скачиваний за 30 дней0лайковвеса обновлены2 сен 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

OPSD-PI Qwen3.5-9B Strong Trailing — update 4 — это непосредственно загружаемый объединённый чекпойнт семейства Qwen3.5, опубликованный LSW142857. Репозиторий содержит плотную модель класса Qwen3_5ForConditionalGeneration в формате safetensors; в метаданных указана библиотека Transformers и задача text-generation. Модель прошла четыре обновления оптимизатора на запуске Strong PI trailing_user с 1024 строками на восьми RTX A6000. Чекпойнт объединяет экспертную SFT-инициализацию, обновления LoRA основной модели и MTP, а также обученные тензоры full-MTP; дополнительный адаптер или шаг слияния для загрузки не требуется.

Модель предназначена для генерации текста в диалоговом режиме и задач с кодом. В README описаны происхождение и структура весов, но не приведены результаты на отложенных наборах данных; автор рекомендует оценивать студента без PI на задачах, не входивших в обучающие 1024 строки. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • помощь с написанием кода
  • продолжение текстового фрагмента

Ограничения

Веса опубликованы после всего четырёх обновлений оптимизатора, поэтому качество и обобщение требуют проверки на отложенных задачах; README не сообщает результатов таких оценок. Лицензия не приведена в доступных сведениях.

Для каких профессий подходит9

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

OPSD-PI Qwen3.5-9B Strong Trailing — update 4

This public repository is the directly loadable, fully merged Hugging Face model after 4 completed optimizer updates (zero-indexed training iteration 3). It comes from the 1024-row Strong PI trailing_user OPSD run on 8×RTX A6000.

The four model shards contain the merged expert-SFT initialization, the OPSD main-model LoRA update, the MTP LoRA update, and every directly trained full-MTP tensor. No adapter or additional merge step is required.

Load

from transformers import AutoModelForCausalLM, AutoProcessor

repo = "LSW142857/OPSD-PI-Qwen3.5-9B-Strong-Trailing-1024-A6000-Merged-Update04"
processor = AutoProcessor.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo,
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=True,
)

Integrity and provenance

Run sha256sum -c SHA256SUMS after downloading the repository. All 775 output tensors were checked exactly before upload. The merge restores full trained MTP tensors first and then applies main-model and MTP LoRA deltas with scaling 2.0. See merge_manifest.json and training_config.json for hashes, source identity, configuration, and the finite metrics from this update.

The PI was teacher-only during training. Evaluate the student without adding PI, and use held-out tasks rather than the 1024 training rows.

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_5ForConditionalGeneration
Ревизия весов
f2201db

0 моделей