/ Модель

Характеристики

Контекст
262 144 токена
Параметры
581 млн
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-0.8B
Опубликована
31 июл 2026

voxsum-qwen35-0.8b

Генерация текстаТекст → текст

Компактная дообученная модель Qwen3.5 для локального суммирования стенограмм встреч и извлечения структурированных заметок на традиционном китайском и английском языках.

15скачиваний за 30 дней0лайковвеса обновлены1 авг 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

Luigi разработал voxsum-qwen35-0.8b — компактную текстовую модель для суммирования стенограмм встреч и извлечения заметок по ним на устройстве. Это плотная авторегрессионная модель семейства Qwen3.5 с 581,4 млн параметров, дообученная на базе Qwen/Qwen3.5-0.8B и подготовленная с quantization-aware training для работы с весами int4. Заявленная длина контекста — 262 144 токена; README описывает измерения памяти на контекстах 32k и 64k.

Модель рассчитана на стенограммы на традиционном китайском и английском языках в формате с временными метками и говорящими. Она формирует структурированные заметки, включая резюме, заголовок, пункты действий, темы, открытые вопросы и риски; поддерживаются краткий, исполнительский и повествовательный стили. Ориентир разработки — локальная обработка длинных встреч на мобильном устройстве.

По данным README, надёжность фактов снижается для входов длиннее примерно 12 тысяч токенов: рекомендуется разбивать стенограмму на фрагменты около 10–12 тысяч токенов и объединять результаты иерархически. В длинных стенограммах модель может приписать действие не тому участнику, а при переводе с английского на традиционный китайский детали могут смещаться. Пункты действий следует проверять вручную. Лицензия — Apache-2.0.

Сценарии применения

  • суммирование стенограмм деловых встреч
  • извлечение пунктов действий из совещаний
  • создание заголовка и тематического плана встречи
  • выявление открытых вопросов и рисков в стенограмме
  • составление заметок по длинной встрече на традиционном китайском или английском

Ограничения

По README, фактическая точность заметно падает на фрагментах длиннее примерно 12 тысяч токенов; для длинных стенограмм рекомендуется разбиение на части и иерархическое объединение. Возможны ошибки в атрибуции действий участникам и дрейф деталей при переводе с английского на традиционный китайский.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

voxsum-qwen35-0.8b — on-device meeting summarizer (zh-TW / en)

Qwen3.5-0.8B (text) fine-tuned for long meeting-transcript summarization and insight extraction in Traditional Chinese and English, for VoxSumDroid. Trained with quantization-aware training so it survives int4 weights on device.

Why this base model

Nine candidates were benchmarked on the three constraints that actually bind on a phone (prefill speed, Chinese token efficiency, RSS). Qwen3.5-0.8B won all three:

Qwen3.5-0.8Bbest rival
prefill @16k, 8 CPU threads491 tok/s457 (granite-4.0-h-1b)
zh-TW tokenizer1.67 chars/token0.98 (Falcon-H1), 0.69 (Granite)
3-h zh meeting, prefill (ARM-derated)~4 min9–12 min
KV cache @32k, q4197 MB—

Its hybrid architecture (only 6 of 24 layers hold a KV cache; the other 18 are Gated-DeltaNet linear attention with constant state) is what keeps memory and prefill low at long context. Rejected: Falcon-H1-1.5B (1.84 GB @64k, slowest prefill), Granite-4.0-h-1b (0.69 chars/token on zh), Granite-3.1-1b-a400m MoE (−54% prefill decay by 16k), T5Gemma-2 enc-dec (no runtime support, 32k ceiling, degenerate at 270M), Gemma-3-1B (32k native), Qwen3.5-2B (1.68 GB, over budget).

Memory (measured components + measured runtime overhead)

contextweights q4KV q4total RSS
32k (≈3-h zh-TW meeting)~600 MB197 MB~1.2 GB
64k~600 MB393 MB~1.4 GB

Input format

VoxSumDroid transcript format v1 — one utterance per line:

[0:00] S1: 我們今天要決定第三季的行銷預算。
[1:23:45] Alice: ...

Output format

Single-call structured notes (docs/OUTPUT-FORMAT.md v2) — ASCII section keys, content in the transcript's language:

TITLE: 第三季行銷預算決定
SUMMARY:
- 決定社群廣告佔百分之四十為核心預算。
DECISIONS:
- 社群廣告預算百分之四十。
ACTIONS:
- 小陳:下週五前提供細部計畫。
OPEN:
- 財務預算追補進度。
TOPICS:
- 第三季行銷預算分配。

The app's per-task prompts (summarize / title / action items / topics / open questions / risks, bullet-executive-narrative styles, en+zh with cross-lingual clause) are also supported — see the training repo.

Training

  1. Distillation from Qwen3.5-9B over 3,891 meetings (QMSum, MeetingBank, DialogSum, VCSum→OpenCC s2twp).
  2. Faithfulness filtering — every one of 39,731 targets judged for factual support and polarity inversion; 6,414 dropped (16.1% scored faith≤3; 300 were outright inversions). This was the single largest quality lever.
  3. QAT SFT — int4-block32 weight fake-quant (output head int8), 32k packed sequences.
  4. Rejection-sampling fine-tune on the model's own long-document outputs: 389 samples the judge scored faith 4.73 with zero inversions, upweighted 6×. Their rejected counterparts averaged faith 1.85 and contained 121 inversions.

Known limitations — please surface these honestly in UI

  • Faithfulness degrades past ~12k tokens. Measured on the shipped checkpoint: faith 4.05 / 1.8% inversion at 4–12k tokens, versus 3.36 / 15.3% inversion above 12k, where 46% of outputs score faith≤2. Chunking at ~10–12k tokens with a hierarchical reduce keeps the model in its reliable regime; the map/reduce prompts are in the training mix for exactly this.
  • Owner attribution can slip on long transcripts (assigning an action to the wrong speaker). Action items are a draft to correct, never an audit trail.
  • Cross-lingual (en→zh-TW) faithfulness is the weakest axis; language routing is reliable (0.98) but details drift.

Sampler: temp 0.7, top_p 0.8, top_k 20, presence_penalty 1.0. Near-greedy (temp 0–0.3) measurably improves faithfulness for extraction tasks.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
12f0536

0 моделей