/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
18 июл 2025

Lucy-128k

Генерация текстаТекст → текст5 профессий

Компактная дообученная модель Qwen3 на 1,7 млрд параметров для агентного веб-поиска, рассуждений и облегчённого просмотра страниц с подключёнными инструментами.

67скачиваний за 30 дней112лайковвеса обновлены4 авг 2025

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

Lucy — компактная языковая модель с архитектурой Qwen3, разработанная Alan Dao, Bach Vu Dinh, Alex Nguyen и Norapat Buppodom на основе Qwen/Qwen3-1.7B. Она предназначена для агентного веб-поиска и облегчённого просмотра страниц: модель рассуждает над поисковыми задачами и может работать с поисковыми API и браузерными инструментами через MCP. Разработчики сообщают о применении машинно-сгенерированных task vectors и обучения с подкреплением без supervised fine-tuning; модель рассчитана на эффективный запуск на мобильных устройствах, в том числе только на CPU.

Модель содержит 1,7 млрд параметров, принимает и генерирует текст, поддерживает диалог и имеет контекст до 131 072 токенов. В README указана английская языковая направленность. Для запуска описана интеграция с vLLM, llama.cpp и локальными приложениями, а также настройка вызова инструментов и масштабирования RoPE. Лицензия — Apache-2.0. Заявления о результатах оценки и скорости приведены разработчиками; практическое качество зависит от конфигурации и подключённых инструментов.

Сценарии применения

  • поиск ответов в интернете с помощью поискового API
  • сбор и краткое изложение информации с веб-страниц
  • диалоговый помощник с вызовом инструментов через MCP
  • выполнение поисковых задач на мобильном устройстве или CPU

Ограничения

Заявленные результаты оценки и эффективность приведены разработчиками и могут зависеть от подключённых инструментов, конфигурации запуска и доступности поисковых API. Для актуального веб-поиска требуются внешние инструменты или сервисы.

Для каких профессий подходит5

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

Lucy: Edgerunning Agentic Web Search on Mobile with a 1.7B model.

GitHub License

Authors: Alan Dao, Bach Vu Dinh, Alex Nguyen, Norapat Buppodom

image/gif

Overview

Lucy is a compact but capable 1.7B model focused on agentic web search and lightweight browsing. Built on Qwen3-1.7B, Lucy inherits deep research capabilities from larger models while being optimized to run efficiently on mobile devices, even with CPU-only configurations.

We achieved this through machine-generated task vectors that optimize thinking processes, smooth reward functions across multiple categories, and pure reinforcement learning without any supervised fine-tuning.

What Lucy Excels At

  • 🔍 Strong Agentic Search: Powered by MCP-enabled tools (e.g., Serper with Google Search)
  • 🌐 Basic Browsing Capabilities: Through Crawl4AI (MCP server to be released), Serper,...
  • 📱 Mobile-Optimized: Lightweight enough to run on CPU or mobile devices with decent speed
  • 🎯 Focused Reasoning: Machine-generated task vectors optimize thinking processes for search tasks

Evaluation

Following the same MCP benchmark methodology used for Jan-Nano and Jan-Nano-128k, Lucy demonstrates impressive performance despite being only a 1.7B model, achieving higher accuracy than DeepSeek-v3 on SimpleQA.

image/png

🖥️ How to Run Locally

Lucy can be deployed using various methods including vLLM, llama.cpp, or through local applications like Jan, LMStudio, and other compatible inference engines. The model supports integration with search APIs and web browsing tools through the MCP.

Deployment

Deploy using VLLM:

vllm serve Menlo/Lucy-128k \
    --host 0.0.0.0 \
    --port 1234 \
    --enable-auto-tool-choice \
    --tool-call-parser hermes \
    --rope-scaling '{"rope_type":"yarn","factor":3.2,"original_max_position_embeddings":40960}' --max-model-len 131072

Or llama-server from llama.cpp:

llama-server ... --rope-scaling yarn --rope-scale 3.2 --yarn-orig-ctx 40960

Recommended Sampling Parameters

Temperature: 0.7
Top-p: 0.9
Top-k: 20
Min-p: 0.0

🤝 Community & Support

📄 Citation

@misc{dao2025lucyedgerunningagenticweb,
      title={Lucy: edgerunning agentic web search on mobile with machine generated task vectors}, 
      author={Alan Dao and Dinh Bach Vu and Alex Nguyen and Norapat Buppodom},
      year={2025},
      eprint={2508.00360},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2508.00360}, 
}

**Paper **: Lucy: edgerunning agentic web search on mobile with machine generated task vectors.

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
4c79c6c

0 моделей