/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.6-27B
Опубликована
15 июн 2026

Qwen3.6-27B-Fable-5-Experimental

Изображение и текст → текст3 профессии

Экспериментальная мультимодальная дообученная модель Qwen на 27 млрд параметров для диалогов, планирования и работы с изображениями.

88скачиваний за 30 дней36лайковвеса обновлены20 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 «Изображение → 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

Qwen3.6-27B-Fable-5-Experimental — мультимодальная дообученная модель от TeichAI на базе Qwen/Qwen3.6-27B. Она предназначена для диалогов и сценариев с изображениями, а настройка на небольшом наборе трасс Fable 5 усилила планирование и стиль общения, а также показала улучшения в проектировании 3D-сцен и небольших игр на three.js и задачах ML-инженерии. Архитектура — плотная Qwen3.5 с 27 млрд параметров; доступны веса safetensors, интерфейс вызова инструментов и обработка изображений. В README отмечено, что способность рассуждать не меняли.

Модель экспериментальная: автор сообщает о переобучении на малом наборе данных и ухудшении результатов на части задач. Приведённые тесты ARC, ARC-E и BoolQ показывают смешанные результаты относительно базовой модели. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • планирование шагов для задач с несколькими этапами
  • создание небольших игр на three.js
  • проектирование 3D-сцен по описанию или изображению
  • помощь в задачах ML-инженерии
  • ответы на вопросы об изображениях в диалоге

Ограничения

Автор сообщает о переобучении на небольшом наборе трасс Fable 5 и снижении качества на некоторых задачах; результаты ограниченного набора тестов смешанные. Модель экспериментальная, поэтому её ответы и планирование требуют проверки.

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

Qwen 3.6 27B - Claude Fable 5 (Experimental)

Heres Qwen3.6 slightly over-trained on a very small dataset of fable 5 traces. I finished this tune yesterday morning, realized it's good for planning but, like all fable 5 tunes right now, regressed on some tasks due to the small amount of data.

Had to use aggressive settings for the style transfer here due to the data contraints. Overall the model seems to be a better planner now and better at 3D modeling in three.js, making small games, and ML engineering.

Either way give it a shot, it really does look, talk, and plan like fable... but like all fine-tunes it comes with it's limitations.

Hopefully we can get some more well rounded data from the rest of the community to a do a much less aggressive tune on a larger dataset.

Reasoning was left untouched

Benchmarks

Benchmark Comparison

As always big thanks to @nightmedia for the speedy benchmarks.

                                 arc     arc/e	boolq
Qwen3.6-27B-Fable-5-Experimental 0.650	0.813	0.909
                     Qwen3.6-27B	0.637	0.798	0.911

Not really a benchmark but here's a procedurally generated duck that it zero-shotted lol (quant: q3_k_s)

image


The data for this model was easily extracted, formatted, and masked for training with Teich

This model was trained 2x faster with Unsloth and Huggingface's TRL library.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
052d328

0 моделей