/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Библиотека
transformers
Опубликована
18 сен 2026

Ссылки

Hugging Face

Qwen3-14B-distill-Qwen3-0.6B

MaxSchulten
Генерация текстаТекст → текст6 профессий

Компактная дообученная модель Qwen3 для генерации текста и ведения диалогов с контекстом до 40 960 токенов.

323скачиваний за 30 дней0лайковвеса обновлены18 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.

Открыть конструктор бенчмарка

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

MaxSchulten/Qwen3-14B-distill-Qwen3-0.6B — дообученная компактная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-0.6B. Репозиторий содержит веса в формате Safetensors; размер модели — около 507,9 млн параметров, контекст — до 40 960 токенов.

Модель предназначена для генерации текста и диалогов. В README указана оценка Loss 0,6427 на тестовом наборе, но подробности набора данных, методики обучения и результатов не приведены. Метаданные характеризуют базовую Qwen3 как многоязычную модель; отдельный перечень языков для этой версии отсутствует.

Модель распространяется по лицензии Apache-2.0. Из-за скудной информации о дообучении и оценке качество для конкретных задач не установлено; перед применением в ответственных сценариях результаты следует проверить.

Сценарии применения

  • генерация текста по запросу
  • создание диалогового помощника
  • ответы на вопросы в текстовом чате

Ограничения

README не раскрывает обучающие данные, методику обучения и подробные результаты оценки; указанный Loss сам по себе не позволяет судить о качестве в прикладных задачах. Перечень поддерживаемых языков для этой версии не приведён.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

teacher_qwen3-14B

This model is a fine-tuned version of Qwen/Qwen3-0.6B on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6427

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
0.65841.02810.6497
0.63322.05620.6428
0.62403.08430.6427

Framework versions

  • Transformers 5.17.0
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.1
  • Tokenizers 0.23.2

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
3450880

0 моделей

    Создать бенчмарк