Характеристики

Контекст: 262 144 токена
Параметры: 3,4 млрд
Лицензия: Apache 2.0
Архитектура: qwen3_5_text · dense
Базовая модель: Qwen3.5-4B
Библиотека: transformers
Опубликована: 7 сен 2026

Ссылки

Hugging Face

qwen3.5-4b-swe-opd-baseline-simple-step35

StephYang

Генерация текстаТекст → текст7 профессий

Текстовая модель Qwen3.5-4B, дообученная OPD на наборе Harbor SWE для генерации текста и задач разработки ПО.

142скачиваний за 30 дней0лайковвеса обновлены7 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

StephYang выпустил текстовый чекпойнт Qwen3.5-4B, дообученный методом on-policy distillation (OPD) на наборе tmax15k Harbor SWE. Это плотная авторегрессионная модель семейства Qwen3.5 с 3,4 млрд параметров и контекстом до 262 144 токенов; репозиторий содержит объединённый экспорт весов в safetensors, сохранённых в bfloat16. Модель предназначена для генерации текста в диалоговом формате и задач, связанных с разработкой программного обеспечения.

Чекпойнт получен после одной эпохи и 35 шагов обучения. Для загрузки README указывает Transformers версии 5.6.0 или новее. Лицензия — Apache 2.0. Это текстовая версия Qwen3.5; возможности понимания изображений базовой мультимодальной модели к этому чекпойнту не следует автоматически приписывать. Карточка не приводит результатов оценки качества, поэтому пригодность для конкретных SWE-сценариев требует проверки.

Сценарии применения

диалоговая помощь при разработке программного обеспечения
генерация фрагментов кода по текстовому запросу
обсуждение задач программной инженерии
экспериментальная оценка on-policy distillation на SWE-данных

Ограничения

Чекпойнт обучен лишь одну эпоху и 35 шагов; README не сообщает результатов оценки, поэтому качество для конкретных задач разработки не подтверждено. Это текстовая версия, поэтому не следует полагаться на визуальные возможности базовой мультимодальной модели.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.1Разработка и данныеАнализ требований и архитектура ПОAI помогает переводить потребности бизнеса в непротиворечивые требования и технические решения.20 задач18 191модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-4B SWE-OPD baseline-simple (step 35)

On-policy distillation (OPD) checkpoint of Qwen3.5-4B (text) after 1 epoch / 35 steps on the tmax15k Harbor SWE set.

This is the merged Hugging Face export of the FSDP actor checkpoint:

swe_opd_baseline_simple / baseline_simple_1ep_bs12_lr5e7 / global_step_35

Training

Item	Value
Base model	Qwen3.5-4B text (`Qwen3_5ForCausalLM`)
Method	On-policy distillation (OPD)
Dataset	tmax15k_top500_harbor_index30
Steps	35 (1 epoch)
Train batch size	12
Actor LR	5e-7
Max response length	8192
Distillation top-k	8
Student parallel	12 GPU FSDP, DP=12
Teacher	tmax-9b
Teacher probe / eval-turn mask	off (baseline-simple)

Files

Merged from 12 FSDP shards (model_world_size_12_rank_*.pt) to a single bfloat16 model.safetensors.

Usage

Requires transformers>=5.6.0.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "StephYang/qwen3.5-4b-swe-opd-baseline-simple-step35"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="bfloat16", device_map="auto")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3_5ForCausalLM
Ревизия весов: 8ed15be