/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,6 млрд
Размер весов
15,9 ГБ
Лицензия
CC BY-NC-SA 4.0
Архитектура
qwen3 · dense
Базовая модель
QM-4B-embeddings-only
Библиотека
transformers
Опубликована
21 янв 2026

QM-4B

Генерация текстаТекст → текст3 профессии

Дообученная на карачаево-балкарских и многоязычных текстах модель Qwen3 для генерации текста, в том числе на карачаево-балкарском языке.

301скачиваний за 30 дней0лайковвеса обновлены1 июн 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

QM-4B — плотная языковая модель семейства Qwen3, разработанная Богданом Тевуналаны и Али Берберовым на основе Qwen3-4B-Instruct-2507. Модель дообучена для поддержки карачаево-балкарского языка: расширен токенизатор, сначала обучались только эмбеддинги, затем — все слои модели. По метаданным, в репозитории 3,6 млрд параметров, используется библиотека Transformers и формат safetensors; длина контекста составляет 262 144 токена.

Модель предназначена для генерации текста на карачаево-балкарском, русском и английском языках, а также на других языках базовой Qwen3. Её можно применять для продолжения текста и создания многоязычных текстовых ответов. Обучение проводилось на текстовом корпусе, а не на диалогах; модель может переключаться между языками, а для лучшего следования инструкциям авторы рекомендуют дополнительное обучение.

Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдать условия атрибуции и распространения производных материалов.

Сценарии применения

  • генерация текста на карачаево-балкарском языке
  • продолжение карачаево-балкарских текстов
  • создание текстов на русском и английском языках
  • многоязычная генерация текста для кавказских и тюркских языков

Ограничения

Обучена на текстах, а не на диалогах, поэтому следование инструкциям может быть ограниченным; модель может переключаться между языками в одном ответе. Для улучшения следования инструкциям авторы рекомендуют дополнительное instruction tuning.

Для каких профессий подходит3

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

QM-4B: with Qarachay-Malqar Language

A model based on Qwen3-4B-Instruct-2507, fine-tuned to support the Qarachay-Malqar language.

Description

QM-4B is a language model built on Qwen3-4B-Instruct-2507 with an extended tokenizer and fine-tuning for Qarachay-Malqar language support (къарачай-малкъар тил).

Training Stages:

  1. Tokenizer expansion — added tokens for Qarachay-Malqar: replacement from 150k to 130k tokens (tokenizer trained in Qarachay-Malqar (76.5%), English (11.5%), Russian (11.5%) and Circassian (5%)) (the number of symbols/tokens has been increased in Qarachay-Malqar compared to the original tokenizer: 1.78 -> 5.38)
  2. Embeddings-only Training — training only embedding layers (3 epochs, LR=2e-4)
  3. Full Fine-Tune — full fine-tuning of all model layers (1 epoch, LR=5e-6)

Training Metrics

StageTrain LossEval LossParameters
Embeddings-only4.274.498.4% (332M)
Full FT (1 epoch)4.164.36100% (3.97B)

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "TSjB/QM-4B",
    dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

tokenizer = AutoTokenizer.from_pretrained(
    "TSjB/QM-4B",
    trust_remote_code=True
)

# With chat template
messages = [
{"role": "system", "content": "Сен къарачай-малкъар тилде болушлукъчуса. Соруўлагъа къысха, тюз эм ачыкъ джуўабла бер. Орусча неда ингилизче сорсала — ол тилде джуўаб бер."},
{"role": "user", "content": "Не зат билесе Къарачай юсюнден?"}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=False
)

inputs = tokenizer(text, return_tensors="pt").to(model.device)

if 'token_type_ids' in inputs:
    inputs.pop('token_type_ids')

outputs = model.generate(
    **inputs,
    max_new_tokens=100,
    temperature=0.7,
    top_p=0.9,
    do_sample=True,
    repetition_penalty=1.2,
    no_repeat_ngram_size=4,
    pad_token_id=tokenizer.pad_token_id,
    eos_token_id=tokenizer.eos_token_id,
)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Recommended Generation Parameters

generation_config = {
    "max_new_tokens": 200,
    "temperature": 0.7,
    "top_p": 0.9,
    "do_sample": True,
    "repetition_penalty": 1.2,  # important to avoid repetitions
    "no_repeat_ngram_size": 3,  # optional
}

Supported Languages

  • Qarachay-Malqar (къарачай-малкъар тил)
  • Russian
  • English
  • Other languages from the base Qwen3 model

Limitations

  • The model was fine-tuned on text data (continued pretraining), not on dialogues
  • May switch between languages within a single response
  • Additional instruction tuning is recommended for better instruction following

Training Data

The model was trained on a multilingual text corpus including:

  • Qarachay-Malqar texts
  • Russian texts
  • English texts

License

cc-by-nc-sa-4.0

Citation

@misc{qm4b2026,
  title={QM-4B: Qarachay-Malqar language support},
  author={TSjB},
  year={2026},
  publisher={HuggingFace},
  url={https://huggingface.co/TSjB/QM-4B}
}

Framework Versions

  • TRL: 0.24.0
  • Transformers: 4.57.3
  • Pytorch: 2.9.0
  • Unsloth: optimized training

Authors

Bogdan Tewunalany, Ali Berberov

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
92714a4

0 моделей