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
Это готовая к использованию модель генерации кода на базе Qwen2.5-3B, дообученная методом supervised fine-tuning. Модель RL-Forgetting-Experiments-3 подготовила чекпойнт на шаге оптимизатора 102; при обучении использовались набор данных qwen3b_code_sft_data_s300 и стратегия replay с коэффициентом 1,0.
Модель предназначена для генерации кода в диалоговом формате. Она построена на плотной архитектуре Qwen2 и содержит 3,1 млрд параметров; базовая модель поддерживает контекст до 32 768 токенов. Для работы нужны Transformers и веса в формате safetensors. Карточка не приводит конкретные языки программирования или результаты оценки качества, поэтому пригодность для отдельных языков и задач не установлена. Лицензия в предоставленных данных не указана.
Сценарии применения
генерация фрагментов кода по текстовому запросу
подготовка решений задач по программированию
продолжение и дополнение исходного кода
получение программных примеров в диалоге
Ограничения
В карточке не приведены метрики качества, поддерживаемые языки программирования и лицензия. Чекпойнт сохранён на шаге обучения 102, поэтому его качество и устойчивость требуют отдельной оценки.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
Inference-ready final coding-SFT model for q25_sft_rp_ce_lam1 at optimizer step 102. Training uses qwen3b_code_sft_data_s300, order ordered, replay strategy ce, and replay lambda 1.0.
See delivery_manifest.json for immutable source lineage and file checksums.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров