/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Библиотека
transformers
Опубликована
23 сен 2026

Ссылки

Hugging Face

qwen3-finetuned

SuperXyrex
Генерация текстаТекст → текст7 профессий

Дообученная компактная модель Qwen3 для диалогов и генерации текста общего назначения.

391скачиваний за 30 дней0лайковвеса обновлены23 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.

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

SuperXyrex/qwen3-finetuned — дообученная компанией или автором SuperXyrex модель Qwen3-0.6B для генерации текста и диалогов. Она построена на плотной архитектуре Qwen3ForCausalLM, содержит 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Модель рассчитана на текстовые запросы и генерацию текстовых ответов; базовая Qwen3 многоязычна, но конкретные языки и специализация дообучения не раскрыты.

Модель можно применять для диалоговых сценариев и генерации текста общего назначения. В карточке приведено значение loss 2,0564 на оценочном наборе, однако набор данных, методика и результаты сравнительной оценки не описаны, поэтому по этому числу нельзя судить о качестве для конкретных задач. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текстовых ответов на запросы
  • ведение диалога с пользователем
  • черновое составление текстов
  • развёртывание компактного текстового ассистента

Ограничения

Данные дообучения и конкретные целевые задачи не описаны; приведённый loss без сведений о наборе и методике оценки не позволяет оценить качество. Для конкретных языков и сценариев пригодность следует проверять отдельно.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen3-finetuned

This model is a fine-tuned version of Qwen/Qwen3-0.6B on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.0564

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
2.34281.012362.3622
1.85002.024722.0813
1.82583.037082.0564

Framework versions

  • Transformers 5.17.0
  • Pytorch 2.14.0+cu130
  • Datasets 5.0.1
  • Tokenizers 0.23.2

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
d228b0e

0 моделей

    Создать бенчмарк