/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,6 млрд
Размер весов
61,1 ГБ
Лицензия
MIT
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-30B-A3B-Instruct-2507
Библиотека
transformers
Опубликована
12 апр 2026

LiteCoder-Terminal-30b-a3b-sft

Генерация текстаТекст → текст6 профессий

Дообученная модель Qwen3 MoE для решения задач разработки и работы с терминалом в составе кодовых агентов.

73скачиваний за 30 дней0лайковвеса обновлены1 июн 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

LiteCoder-Terminal-30b-a3b-sft — модель команды LiteCoder для кодовых агентов, дообученная на базе Qwen3-30B-A3B-Instruct-2507 на наборе LiteCoder-Terminal-SFT. Она предназначена для решения задач через терминал в агентных сценариях и показала результаты на бенчмарках Terminal Bench при работе с агентом Terminus 2. Модель использует архитектуру Qwen3 MoE с генерацией текста; метаданные указывают 2,6 млрд параметров и контекст до 262 144 токенов.

README сообщает об обучении на 11 255 траекториях и приводит показатели pass@1 и pass@4 для нескольких версий Terminal Bench. Поддерживается диалоговый режим. Лицензия — MIT.

Сценарии применения

  • решение задач разработки через терминал в кодовом агенте
  • выполнение многошаговых задач в командной строке
  • автоматизация действий агента в среде разработки

Ограничения

Результаты зависят от агентной оболочки и среды выполнения; приведённые показатели относятся к оценкам с Terminus 2 на Terminal Bench. README не сообщает результаты по другим сценариям использования.

Для каких профессий подходит6

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

LiteCoder-Terminal-30b-a3b-sft

Paper | Code | Blog Post

LiteCoder-Terminal-30b-a3b-sft is part of our latest release on lightweight code agents. The model is fine-tuned from Qwen3-30B-A3B-Instruct-2507 on the LiteCoder-Terminal-SFT dataset.

Compared to our previous preview version, we scaled up the training data from under 1,000 samples to 11,255 trajectories, incorporating a broader task taxonomy and diverse agent scaffolds. With these updates, the model shows consistent improvements across Terminal Bench evaluations.

Released Artifacts

DateTypeLink
2026/04/13ModelLiteCoder-Terminal-30b-a3b-sft
2026/04/13ModelLiteCoder-Terminal-4b-sft
2026/04/13DatasetLiteCoder-Terminal-SFT
2026/04/13DatasetLiteCoder-Terminal-World-Model-SFT
2026/04/13DatasetLiteCoder-Terminal-RL-preview
2026/04/13Codeicip-cas/LiteCoder

Results

Terminal Bench 1.0 Performance

ModelAgentpass@1pass@4
LiteCoder-Terminal-30b-a3b-sftTerminus 224.38%40%
Qwen3-30B-A3B-Nex-N1Openhands18.44%32.5%
LiteCoder-30a3b-Terminal-previewTerminus 216.56%27.5%
Qwen3-30B-A3B-InstructTerminus 216.56%28.75%
LiteCoder-Terminal-4b-sftTerminus 214.69%28.75%
OpenThinker-Agent-v1Terminus 211.25%25%
LiteCoder-4b-Terminal-previewTerminus 29.38%20%
Qwen3-4B-InstructTerminus 26.25%15%

Terminal Bench 2.0 Performance

ModelAgentpass@1pass@4
LiteCoder-Terminal-30b-a3b-sftTerminus 212.36%23.60%
Qwen3-30B-A3B-Nex-N1Openhands12.36%23.60%
LiteCoder-30a3b-Terminal-previewTerminus 26.18%13.75%
Qwen3-30B-A3B-InstructTerminus 25.34%11.24%
LiteCoder-Terminal-4b-sftTerminus 24.78%10.11%
OpenThinker-Agent-v1Terminus 24.49%10.1%
LiteCoder-4b-Terminal-previewTerminus 24.78%12.36%
Qwen3-4B-InstructTerminus 21.12%3.37%

Terminal Bench Pro Performance

ModelAgentpass@1
LiteCoder-Terminal-30b-a3b-sftTerminus 231.5%
LiteCoder-30a3b-Terminal-previewTerminus 222.0%
LiteCoder-Terminal-4b-sftTerminus 221.5%
Qwen3-30B-A3B-Nex-N1Openhands21.0%
Qwen3-30B-A3B-InstructTerminus 220.5%
OpenThinker-Agent-v1Terminus 219.5%
LiteCoder-4b-Terminal-previewTerminus 215.0%
Qwen3-4B-InstructTerminus 23.5%

Citation

@article{peng2026litecoderterminal,
  title={LiteCoder-Terminal: Scaling Long-Horizon Terminal Environments for Learning Language Agents},
  author={Peng, Xiaoxuan and Zhang, Kaiqi and Lu, Xinyu and Cao, Boxi and Lu, Yaojie and Lin, Hongyu and Han, Xianpei and Sun, Le},
  journal={arXiv preprint arXiv:2605.29559},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
8d326f6

0 моделей