Характеристики

Контекст: 262 144 токена
Параметры: 3,7 млрд
Размер весов: 8 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: UIGEN-FX-4B-Preview
Библиотека: transformers
Опубликована: 26 окт 2025

Ссылки

UIGEN-FX-4B-RL-Preview

Генерация текстаТекст → текст3 профессии

Tesslate UIGEN-FX-4B-RL-Preview — текстовая модель для генерации адаптивных веб-страниц и компонентов интерфейса по запросам.

41скачиваний за 30 дней9лайковвеса обновлены26 окт 2025

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

Tesslate UIGEN-FX-4B-RL-Preview — экспериментальная текстовая модель генерации веб-интерфейсов от Tesslate, дообученная на базе Tesslate/UIGEN-FX-4B-Preview. Она создаёт адаптивные веб-страницы и компоненты по текстовым спецификациям, включая HTML, CSS и Tailwind-разметку; ориентирована на React, JavaScript, статические генераторы сайтов и веб-интерфейсы на Python. Модель семейства Qwen3 с плотной архитектурой содержит 3,7 млрд параметров, работает с текстом и рассчитана на контекст до 262 144 токенов по метаданным; в карточке указан эффективный контекст около 64 тыс. токенов. Для практических сценариев предусмотрены короткие генерации отдельных страниц и компонентов, а JavaScript по умолчанию используется минимально.

Модель обучалась на примерах HTML, CSS, Tailwind и библиотек компонентов, а также на оценках доступности, Axe и Lighthouse. Она нацелена на семантическую структуру, адаптивную вёрстку, визуальную согласованность и более чистую разметку для дальнейшей разработки. Доступна под лицензией Apache-2.0. Это предварительная исследовательская версия: результаты требуют проверки перед публикацией; доступность и ARIA-разметка могут быть неполными, а сложные интерактивные виджеты часто требуют доработки.

Сценарии применения

создание одностраничного сайта по текстовой спецификации
генерация адаптивной разметки HTML и Tailwind CSS
подготовка React-компонентов интерфейса
создание блоков лендинга: герой, тарифы, FAQ и подвал
создание каркаса веб-интерфейса для последующей ручной доработки

Ограничения

Это предварительная версия, и результаты следует проверять перед использованием в production. Разметка доступности и ARIA может требовать проверки, а сложная интерактивность — дополнительной реализации.

Для каких профессий подходит3

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 I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели II.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

model_id = "Tesslate/UIGEN-FX-4B-Preview" tok = AutoTokenizer.from_pretrained(model_id) model = AutoModelForCausalLM.from_pretrained( model_id, torch_dtype=torch.bfloat16, device_map="auto" )

prompt = """Make a single-file landing page for 'LatticeDB'. Style: modern, generous whitespace, Tailwind, rounded-xl, soft gradients. Sections: navbar, hero (headline + 2 CTAs), features grid, pricing (3 tiers), FAQ accordion, footer. Constraints: semantic HTML, no external JS."""

inputs = tok(prompt, return_tensors="pt").to(model.device) out = model.generate(**inputs, max_new_tokens=2200, temperature=0.6, top_p=0.9) print(tok.decode(out[0], skip_special_tokens=True))

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: 37b55f2