/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3loop · dense
Опубликована
22 авг 2026

qwen3loop-0.6b-sft-deep-supervision-v1

Генерация текстаТекст → текст12 профессий

Диалоговая модель Qwen3Loop с дообучением на примерах рассуждений для генерации ответов, решения математических задач и помощи с программированием.

3 589скачиваний за 30 дней1лайквеса обновлены25 сен 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

Qwen3Loop-0.6B-SFT-Deep-Supervision — языковая модель для диалоговой генерации текста, разработанная Lordnyx на базе архитектуры Qwen3Loop. В ней 507,9 млн физических параметров и рекуррентная схема повторного вычисления среднего блока слоёв; автор описывает её как модель с логической глубиной 56 слоёв. В карточке заявлены контекст до 40 960 токенов и обучение на 6 324 отобранных примерах с многоэтапными агентными и пошаговыми рассуждениями, включая задачи программирования.

Модель предназначена для чата, рассуждений и генерации ответов на математические и программные запросы. В репозитории доступны веса Safetensors и варианты GGUF в форматах F16 и Q8_0; также приложен лёгкий зонд для выбора глубины вычислений. README приводит метрики и отдельные результаты тестов автора, которые не следует считать независимой оценкой качества.

Модель распространяется по лицензии Apache-2.0. Ограничения: заявленные результаты основаны на ограниченном наборе обучения и тестировании автора; надёжность ответов и преимущество рекуррентной архитектуры могут зависеть от задачи и используемого движка.

Сценарии применения

  • ответы в диалоговом помощнике
  • пошаговое решение математических задач
  • генерация и объяснение кода
  • многоэтапное рассуждение по текстовому запросу

Ограничения

Метрики и примеры качества в README приведены разработчиком и не являются независимой оценкой; результаты на других задачах могут отличаться. Для нативного выполнения циклической архитектуры может потребоваться движок с поддержкой рекуррентного исполнения.

Для каких профессий подходит12

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

Qwen3Loop-0.6B-SFT-Deep-Supervision (v1.0 Production: Eurus-2 + Open-R1 CoT & Adaptive Halting)

Qwen3Loop-0.6B is a state-of-the-art recursive reasoning language model utilizing recurrent looped layers to achieve the reasoning density and depth of a ~2B parameter model within a 0.6B physical parameter footprint.

🌟 Core Architecture & Innovation

  • Physical Parameters: 28 transformer blocks (hidden_size: 1024, intermediate_size: 3072, heads: 16).
  • LoopSplit Architecture:
    • Prefix: Layers 0..6 (computed once).
    • Middle Stack (Miolo): Layers 7..20 (computed 3 times recurrently = 42 layer passes).
    • Suffix: Layers 21..27 (computed once).
    • Total Logical Depth: 56 layers ($7 + 14 \times 3 + 7 = 56$).
  • Curated Multi-Phase Dataset: Fine-tuned on 6,324 strictly filtered and curated samples (25.3 MB) from PRIME-RL/Eurus-2-SFT-Data (agentic multi-phase) and open-r1/Mixture-of-Thoughts (coding CoT), annotated across 9 meta-supervision dimensions with convaiinnovations/laya.
  • Adaptive Halting Probe: Includes latent_halting_probe.pt, an ultralight MLP head trained directly on intermediate prompt prefill states to decide optimal exit depth with 91.5% classification accuracy.

📊 Training & Validation Metrics

MetricResultContext / Meaning
Validation Loss0.4012Down from 0.6705 (smooth, stable convergence)
Perplexity (PPL)1.49Near-optimal linguistic and logical fluency
Hardware Stability5.58 GB VRAMFlat VRAM curve throughout 375 steps on RTX 3060 12GB
Halting Probe Routing Acc91.5%Calibrated on prompt prefill representations (MSE: 0.0015)

🥊 Direct Confrontation: Base 28-Layer vs Qwen3Loop 56-Layer Unrolled

Evaluated under identical sampling parameters (temperature=0.1, Q8_0 quantization on RTX 3060):

Challenge TaskBase Unsloth (Qwen3-0.6B-Q8_0) [28L]Qwen3Loop SFT (unrolled_q8_0) [56L]Outcome
Modular Arithmetic($2^{100} \pmod 7$)Incomplete / Verbose divergence(Overflowed token budget without answer)Exact: $\boxed{2}$ in 5 logical steps(Detected optimal order $2^3 \equiv 1 \pmod 7$)🟢 Qwen3Loop
Deductive Logic(Sally Siblings Riddle)Trapped in self-doubt loopDeduced correct sister relationship🟢 Qwen3Loop
Linguistic Trick(17 sheep, all but 9 die)Arithmetic subtraction error ($17-9=8$)Arithmetic subtraction error ($17-9=8$)⚪ Tie
Power Cycles(Units digit of $3^{2025}$)Stopped at cycle definitionFull sequence & pattern $(3,9,7,1)$🟢 Qwen3Loop
Algorithm Formulation(Balanced Parentheses)Drafted stack concept, cut offCounter-based $O(n)$ time / $O(1)$ space logic🟢 Qwen3Loop
Generation Speed255.6 tokens/s (28 layers)156.1 tokens/s (56 layers real pass)Hardware verified

📦 Model Files & Download Options

1. Universal Unrolled Models (Compatible with stock LM Studio, Ollama, llama.cpp)

Run natively out of the box without any custom forks or patches (architecture mapped to qwen3 with 56 logical layers):

2. Compact Native Looped Models (For custom engines supporting cyclic execution)

3. Standalone PyTorch Weights & Halting Probe


🎯 Recommended Sampling Parameters

{
  "temperature": 0.6,
  "top_p": 0.95,
  "top_k": 40,
  "repeat_penalty": 1.08,
  "context_length": 32768
}

(For deterministic math and coding tasks, set temperature: 0.0 or 0.1).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура qwen3loop неизвестна transformers в образе рантайма.

Класс архитектуры
Qwen3LoopForCausalLM
Ревизия весов
ae27a4a

0 моделей