/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-OT3-2ep
Библиотека
transformers
Опубликована
14 сен 2026

Qwen3-4B-OT3-if

Генерация текстаТекст → текст15 профессий

Дообученная методом GRPO модель Qwen3 на 3,7 млрд параметров для следования инструкциям, генерации текста и решения задач с проверяемыми ограничениями.

215скачиваний за 30 дней0лайковвеса обновлены14 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

MMOPD/Qwen3-4B-OT3-if — плотная языковая модель Qwen3 с 3,7 млрд параметров, разработанная командой MMOPD как учительская модель для следования инструкциям. Она получена дообучением MMOPD/Qwen3-4B-OT3-2ep методом GRPO на запросах с проверяемыми требованиями к формату и содержанию ответа. Модель поддерживает чат, шаблон Qwen3 и режим рассуждений; длина контекста — 32 768 токенов. Веса представлены в формате Safetensors и хранятся в bfloat16.

Модель предназначена для генерации ответов по инструкциям, в том числе с заданными ограничениями на структуру и содержание, а также для задач рассуждения, математики и программирования. В опубликованных оценках она заметно повысила результаты на IFEval и IFBench относительно исходной модели, сохранив сопоставимые показатели на кодовых и математических тестах; README также приводит результаты на медицинских и финансовых наборах, которые не следует считать гарантией качества в прикладных сценариях. Для использования рекомендованы шаблон чата Qwen3, включённое рассуждение и сэмплирование. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов по сложным инструкциям
  • форматирование ответа по заданным правилам
  • решение математических задач
  • генерация и анализ программного кода
  • создание ответов для обучения и дистилляции моделей

Ограничения

Результаты зависят от режима генерации: README рекомендует сэмплирование и включённый режим рассуждений; приведённые бенчмарки не гарантируют качество на пользовательских задачах. Язык карточки указан как английский, поддержка других языков в источниках не подтверждена.

Для каких профессий подходит15

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

Qwen3-4B-OT3-if (instruction-following teacher, RL)

Qwen3-4B-OT3-if is the instruction-following (IF) teacher of the MMOPD study: MMOPD/Qwen3-4B-OT3-2ep trained with GRPO reinforcement learning on prompts with verifiable formatting / content constraints (IFEval-style instruction ids with programmatic checkers). It raises IFEval from 51.0 to 79.1 and IFBench from 27.7 to 58.7 while keeping math and code performance.

Training

initMMOPD/Qwen3-4B-OT3-2ep
RLGRPO (NeMo-RL 0.7), 200 steps, 64 prompts x 8 samples per step, LR 3e-6, no KL penalty, 32,768-token rollouts at temperature 1.0
rewardall verifiable instructions of the prompt satisfied (IFEval instruction registry checkers on the post-thinking answer)
pool11,728 prompts from the Nemotron RL instruction-following data (verifiable-instruction slice), decontaminated against IFEval / IFBench
checkpointRL step 200

Evaluation

Domain benchmarks (temperature 1.0, top-p 1.0, long generation budget; accuracy in %):

ModelMedQAMedXpertQAPubMedQACaseHOLDFinQATAT-QA (EM)
Qwen3-4B-OT3-if (this)70.9––58.458.6–
Qwen3-4B-OT3-2ep (student init)69.813.775.263.258.324.4

General benchmarks (Qwen3 thinking preset: temperature 0.6, top-p 0.95, top-k 20; 32,768 max new tokens; AIME = avg@8, LiveCodeBench v6 / IFEval / IFBench = 1 sample; scores in %):

ModelAIME24AIME25AIME26LiveCodeBench v6IFEvalIFBench
Qwen3-4B-OT3-if (this)59.252.559.251.479.158.7
Qwen3-4B-OT3-2ep (student init)66.356.358.351.751.027.7

Notes

  • Weights are stored in bfloat16 (cast from the fp32 training master weights; this is the precision in which the teacher was evaluated and served). Apache-2.0.
  • Domain scores are measured at temperature 1.0 because that is the sampling regime in which these models serve as distillation teachers; general benchmarks use the Qwen3 thinking preset.
  • Part of the MMOPD model family together with MMOPD/Qwen3-4B-OT3-{1ep,2ep}, MMOPD/Qwen3-1.7B-OT3-{1ep,2ep} and the other domain teachers MMOPD/Qwen3-4B-OT3-{medical,law,finance,if}.

How to use

The models keep the Qwen3 chat template and thinking format (<think> ... </think> before the answer). Use enable_thinking=True and sampling (not greedy); the evaluations below used a 32k-token generation budget.

from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "MMOPD/Qwen3-4B-OT3-if"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype="auto", device_map="auto")
messages = [{"role": "user", "content": "Write a product description for a reusable water bottle in exactly three paragraphs, without using the letter z, and end with the phrase 'Stay hydrated.'"}]
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=True)
out = model.generate(**tok(text, return_tensors="pt").to(model.device), max_new_tokens=32768,
                     do_sample=True, temperature=0.6, top_p=0.95, top_k=20)
print(tok.decode(out[0], skip_special_tokens=True))

vLLM: vllm serve MMOPD/Qwen3-4B-OT3-if --max-model-len 40960 (the same sampling settings apply).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
f24e713

0 моделей