/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
21 сен 2026

Qwen3-4B-W2.79-QAD

Генерация текстаТекст → текст3 профессии

Начальный bf16-чекпойнт Qwen3-4B для обучения с квантованием-aware on-policy distillation по схеме W2.79.

151скачиваний за 30 дней0лайковвеса обновлены21 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

MingZwhy подготовил чекпойнт Qwen3-4B-W2.79-QAD на базе Qwen/Qwen3-4B как начальную точку для обучения методом on-policy distillation (OPD) в рамках рецепта QAOPD. Это плотная авторегрессионная языковая модель семейства Qwen3 примерно на 3,7 млрд параметров с контекстом до 40 960 токенов; метаданные указывают поддержку диалогов и генерации текста. Чекпойнт предназначен для использования как студенческая модель на этапе OPD, а не как готовая к оценке или применению модель.

Веса сохранены в bf16 как мастер-копия и сами по себе не квантизированы. Конфигурация обучения предусматривает смешанные блоки INT1.58 и INT4 с эффективной разрядностью 2,79 бита, INT4 для эмбеддингов и выходной головы и INT8 для активаций; квантизатор задаётся на этапе OPD. Прямая загрузка этого репозитория даёт неквантованную модель. Лицензия — Apache-2.0. Языки README и метаданные не уточняют.

Сценарии применения

  • использование как студенческой модели на этапе on-policy distillation
  • обучение модели с эффективной разрядностью весов 2,79 бита
  • эксперименты с квантованием-aware-дистилляцией языковых моделей

Ограничения

Это промежуточный чекпойнт для обучения, а не готовая модель. Сохранённые веса bf16 не квантованы, поэтому прямая загрузка не воспроизводит поведение W2.79; конфигурация квантователя применяется на этапе OPD.

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 — W2.79, QAD checkpoint

The quantization-aware-distillation checkpoint that on-policy distillation starts from, for the W2.79 arm. This is a starting point for training, not a finished model.

Code and recipe: MingZwhy/QAOPD.

This is a latent checkpoint — read before loading

The tensors here are bf16 and not quantized. Quantization-aware training keeps high-precision master weights and applies the quantizer inside the forward pass; what gets saved is the master copy. Loading this file directly gives you an unquantized model. It will not error, and it will score higher than the W2.79 model does.

Use it as STUDENT_MODEL for the OPD stage, which supplies the quantizer configuration itself:

BITWIDTH=w2.79 STUDENT_MODEL=<this checkpoint> bash scripts/opd/run_math.sh

For a model you can load and evaluate, use the recovered checkpoint MingZwhy/Qwen3-4B-W2.79-QAOPD instead.

Quantization

weightsmixed INT1.58 / INT4 in blocks of 256, 50% of blocks at INT4 → 2.79 bits effective
embedding, output headINT4
activationsINT8
KV cache16-bit during OPD and evaluation

License

Apache-2.0, inherited from Qwen3-4B.

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
e18b5b6

0 моделей