/ Модель

Характеристики

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

Qwen3-4B-OT3-medical

Генерация текстаТекст → текст3 профессии

Дообученная на проверенных медицинских рассуждениях модель Qwen3 для ответов на вопросы MedQA и медицинские экзаменационные задачи.

239скачиваний 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

Qwen3-4B-OT3-medical — медицинская языковая модель семейства Qwen3, разработанная MMOPD. Это дообученная методом supervised fine-tuning версия MMOPD/Qwen3-4B-OT3-2ep: её обучали на проверенных пошаговых ответах учительской модели по вопросам MedQA, оставляя варианты с правильным итоговым ответом. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM, принимает текст и поддерживает контекст до 32 768 токенов.

Модель предназначена для генерации ответов и рассуждений по медицинским вопросам, в том числе задачам формата экзамена USMLE. В MedQA она достигла точности 80,7% в описанном авторами режиме оценки; при этом на некоторых общих тестах и задачах модель уступила исходной версии, поэтому специализация на медицинских вопросах сопровождается компромиссом в общих возможностях. Карточка демонстрирует английский язык и датасет MedQA-USMLE; интерфейс чата сохраняет формат Qwen3 с режимом thinking. Весы опубликованы в формате safetensors и bfloat16 под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы медицинского экзамена USMLE
  • разбор вопросов MedQA с выбором одного варианта
  • генерация пошаговых рассуждений по медицинским задачам
  • подготовка учебных объяснений к тестам по медицине

Ограничения

Модель обучена на экзаменационных медицинских вопросах и не должна рассматриваться как замена клинической оценки специалиста. В описанных авторами общих тестах она уступала исходной модели, а результаты зависят от режима генерации.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-4B-OT3-medical (medical teacher, SFT)

Qwen3-4B-OT3-medical is the medical domain teacher of the MMOPD study: MMOPD/Qwen3-4B-OT3-2ep further fine-tuned (supervised) on verified long-chain-of-thought answers that a much stronger model (Qwen3.6-35B-A3B, MedQA 94.6%) produced for MedQA training questions. Only traces whose final answer matched the gold letter were kept (rejection sampling), at most 3 distinct traces per question. It raises MedQA from 69.8 to 80.7 while keeping the general Qwen3 thinking format.

Training

initMMOPD/Qwen3-4B-OT3-2ep
data40,853 verified teacher traces on MedQA-USMLE training questions in 4-option (20,360) and 5-option (20,493) form (15,427 prompt variants), 8-gram decontaminated against the evaluation sets
trace teacherQwen3.6-35B-A3B, 8 samples per question at temperature 1.0, keep the correct ones (up to 3, shortest first), thinking part capped at 16k characters
recipeSFT, 4 epochs, LR 1e-5 (5% warmup), max length 8,192, flatten packing, bf16 + ZeRO-2; final checkpoint (step 3,368)

Evaluation

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

ModelMedQAMedXpertQAPubMedQACaseHOLDFinQATAT-QA (EM)
Qwen3-4B-OT3-medical (this)80.722.377.259.854.0–
Qwen3-4B-OT3-2ep (student init)69.813.775.263.258.324.4
PubMedQA = accuracy (macro-F1 57.4 vs 56.6 for the init).
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-medical (this)52.945.040.039.941.227.0
Qwen3-4B-OT3-2ep (student init)66.356.358.351.751.027.7

Notes

  • Weights are stored in bfloat16. 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-medical"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype="auto", device_map="auto")
messages = [{"role": "user", "content": "A 45-year-old man presents with sudden severe chest pain radiating to the back and a blood pressure difference between arms. What is the most likely diagnosis?"}]
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-medical --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
43baf18

0 моделей