/ Модель

Характеристики

Контекст
196 608 токенов
Параметры
3,5 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
23 янв 2026

ToolMind-Web-3B

Генерация текстаТекст → текст4 профессии

Компактная модель Nanbeige для многошагового веб-поиска, сложных вопросов и последовательного вызова инструментов.

174скачиваний за 30 дней30лайковвеса обновлены12 фев 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

ToolMind-Web-3B — специализированная компактная агентная модель Nanbeige, дообученная на базе Nanbeige4-3B-Thinking-2511 с помощью SFT и обучения с подкреплением для поиска в интернете и работы с инструментами. Она предназначена для многошагового поиска и ответов на сложные вопросы; по описанию разработчиков, способна выполнять до сотен последовательных вызовов инструментов.

Модель имеет плотную архитектуру семейства Llama и содержит 3,5 млрд параметров. Она принимает текст и генерирует текст в формате диалога, поддерживает английский и китайский языки, а длина контекста составляет 196 608 токенов. Разработчики сообщают о сравнительных оценках на Xbench-Deepsearch, HLE и GAIA; README также описывает набор данных вопросов и ответов, синтезированный на основе графа знаний Wikipedia, и обучение с оценкой на уровне отдельных ходов диалога.

Модель подходит для агентных сценариев с поиском и вызовами инструментов, однако качество ответов и результаты бенчмарков зависят от окружения и доступных инструментов. Возможны предвзятые или вредоносные выходы. Лицензия — Apache-2.0.

Сценарии применения

  • многошаговый поиск в интернете
  • ответы на сложные вопросы с опорой на веб-источники
  • выполнение исследовательских заданий с вызовами инструментов
  • построение поискового диалогового агента
  • поиск и сопоставление сведений на английском и китайском языках

Ограничения

Модель может выдавать предвзятые, дискриминационные или иные вредоносные ответы. Практическое качество агентных сценариев зависит от доступных инструментов и окружения.

Для каких профессий подходит4

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

Overview

ToolMind-Web-3B is a specialized lightweight agent built on top of the Nanbeige4-3B-Thinking-2511 foundation model. Following extensive SFT (Supervised Fine-Tuning) and RL (Reinforcement Learning) focused on search behaviors, our model attains leading performance among small-scale models on multiple long-horizon leaderboards like Xbench-Deepsearch, HLE, and GAIA, enabling reliable execution of up to hundreds of consecutive tool invocations.

Highlights

  1. Strong Performance at Compact Scale

ToolMind-Web-3B delivers high-quality long-horizon reasoning and tool-augmented search capabilities while maintaining a lightweight 3B parameter footprint. Despite its compact size, it achieves competitive performance across multiple benchmarks like Xbench-Deepsearch, GAIA, and HLE. The model is evaluated under the MiroThinkers workflow, ensuring standardized and reproducible assessment.

  1. An Open-Source Complex QA Dataset Synthesized from Wikipedia Entity–Relation Knowledge Graphs

We provide a rich, structured QA dataset derived from Wikipedia knowledge graphs, designed to support supervised fine-tuning and reinforcement learning of search-augmented agents.

  1. Turn-Level Judge Guided SFT and Reinforcement Learning

In the supervised fine-tuning (SFT) stage, a turn-level judge identifies which interaction turns should be used for training. In the reinforcement learning (RL) stage, a turn-level reward provides feedback to refine the model's multi-turn search and tool invocation behavior.

Benchmark Results

ModelGAIABrowseCompBrowseComp-zhHLESeal-0Xbench-DeepsearchXbench-Deepsearch-10DSQA
DeepSeek-V3.20.6350.6760.650.4080.3850.71/
MiniMax-M20.7570.440.4850.318/0.72/
GLM-4.60.7190.4510.4950.304/0.7/
MiroThinker 8B0.6640.3110.4020.2150.4040.606/
AgentCPM-Explore 4B0.6390.250.290.1910.40.7//
Ours
ToolMind-Web-3B(w Synthetic QA only)0.5830.1440.3010.2240.360.760.30.308
ToolMind-Web-3B0.6700.1740.3080.2480.4770.7510.370.458

Limitations

While we place great emphasis on the safety of the model during the training process, striving to ensure that its outputs align with ethical and legal requirements, it may not completely avoid generating unexpected outputs due to the model's size and probabilistic nature. These outputs may include harmful content such as bias or discrimination. Please don't propagate such content. We do not assume any responsibility for the consequences resulting from the dissemination of inappropriate information.

Citation

If you find our model useful or want to use it in your projects, please cite this project.

Contact

If you have any questions, please raise an issue or contact us at nanbeige@126.com.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
9f5aa81

0 моделей