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

qwen3.5-4b-swe-opd-tmax500-baseline-step105

Генерация текстаТекст → текст7 профессий

Текстовая модель Qwen3.5-4B, дообученная on-policy дистилляцией на данных Harbor SWE для генерации текста и задач программной инженерии.

154скачиваний 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

Qwen3.5-4B SWE-OPD tmax500 baseline step 105 — текстовый чекпойнт Qwen3.5-4B, дообученный методом on-policy distillation на наборе Harbor SWE. Его разработчик — StephYang; модель предназначена для генерации текста и диалоговых сценариев, в частности для задач, связанных с программной инженерией. Чекпойнт обучался 3 эпохи, до 105-го шага, на выборке из 423 обучающих и 30 валидационных примеров. Архитектура — плотная причинная языковая модель Qwen3_5ForCausalLM; размер — 3,4 млрд параметров, формат весов — bfloat16 Safetensors, библиотека — Transformers. Контекстное окно — 262 144 токена.

Это текстовый вариант базовой модели, экспортированный из FSDP-актора в объединённый файл весов. Для загрузки README указывает Transformers версии 5.6.0 или новее. Лицензия — Apache-2.0. Карточка описывает специализированное обучение на SWE-данных, но не приводит результаты оценки качества; заявленные характеристики базовой модели, включая понимание изображений, к этому текстовому чекпойнту не следует автоматически относить.

Сценарии применения

генерация кода и помощь в задачах программной инженерии
диалоговый помощник для вопросов о разработке ПО
подготовка текстовых решений по задачам из набора SWE

Ограничения

README не приводит результатов сравнительной оценки качества. Это текстовый чекпойнт, поэтому возможности понимания изображений, заявленные для базовой модели, здесь не подтверждены.

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.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-4B SWE-OPD tmax500 baseline (step 105)

On-policy distillation (OPD) checkpoint of Qwen3.5-4B (text) after 3 epochs / 105 steps on the tmax500 Harbor SWE set.

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

swe_opd_tmax500_baseline_2node / tmax500_baseline_2node_3ep_bs12_lr5e7 / global_step_105

Training

Item	Value
Base model	Qwen3.5-4B text (`Qwen3_5ForCausalLM`)
Method	On-policy distillation (OPD)
Dataset	tmax15k_top500_harbor (423 train / 30 val)
Steps	105 (3 epochs)
Train batch size	12
Actor LR	5e-7
Max response length	16384
Distillation top-k	8
Student parallel	12 GPU FSDP, DP=12
Teacher	tmax-9b, 4 GPU TP=2
Eval-turn mask	off (baseline)

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-tmax500-baseline-step105"
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: 8189b1a