/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
47,1 ГБ
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.6-35B-A3B
Библиотека
transformers
Опубликована
19 июн 2026

Qwen3.6-35B-A3B-REAM-160-ru-agent

Изображение и текст → текст15 профессий

Экспериментальная REAM-компрессия мультимодальной Qwen, рассчитанная на русскоязычный диалог, работу с кодом и математикой, а также агентное использование инструментов.

36скачиваний за 30 дней4лайкавеса 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

Qwen3.6-35B-A3B-REAM-160-ru-agent — экспериментальная сжатая версия Qwen/Qwen3.6-35B-A3B, подготовленная автором WaveCut методом REAM: основные языковые MoE-слои и блок MTP сведены к 160 экспертам. Калибровка ориентирована на код, математику, агентное использование инструментов и сохранение ответов на русском языке. Модель предназначена для диалогов, работы coding-агента и анализа изображений; метаданные указывают на интерфейс вызова инструментов и поддержку vision.

Модель принимает текст и изображения и генерирует текст. README описывает проверки структуры и пробные сценарии на русском языке, отладке кода и вызове инструментов, но не приводит результаты количественной оценки качества. Формат файлов — safetensors, библиотека — Transformers. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • русскоязычный диалог с ассистентом
  • отладка кода с coding-агентом
  • решение математических задач
  • вызов инструментов из диалога
  • ответы на вопросы по изображениям

Ограничения

В README приведены структурные проверки и пробные сценарии, но нет количественных результатов оценки качества; поэтому качество после компрессии по этим данным определить нельзя. Лицензия в предоставленных данных не указана.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6-35B-A3B-REAM-160-ru-agent

Experimental REAM compression of Qwen/Qwen3.6-35B-A3B.

Build

  • Base: Qwen/Qwen3.6-35B-A3B
  • REAM commit: 84a3030716a0059589e9d10e2ea049e32b76cfa6
  • Transformers: 5.12.1
  • Target main MoE experts: 160
  • Calibration mix: code+math+agent+ru
  • Mix ratio: 0.20,0.10,0.35,0.35
  • Batch/sequence/seed: 3072, 512, 42
  • REAM merge: grouping=ream, saliency=reap, merging=logits+weights, group_size=32

MTP

The main language MoE layers were REAM-merged to 160 experts. Qwen3.6 MTP tensors are packed differently from the upstream REAM MTP helper assumptions, so packed MTP tensors are reduced with a saved REAM group map rather than upstream --mtp_safe_tensors.

Structural audit:

  • Main language MoE layers: 160 experts
  • MTP MoE: 160 experts
  • Final model.safetensors.index.json includes mtp.* keys
  • vLLM qwen3_next_mtp drafter load must pass before the checkpoint is accepted

Calibration Focus

The recipe favors:

  • agentic/tool-use behavior via zake7749/Qwen-3.6-plus-agent-tool-calling-trajectory
  • Cyrillic/Russian chat retention via ZeroAgency/ru-big-russian-dataset
  • code and math anchors from the original REAM calibration paths

Agent calibration had 2477 unique accepted samples and was deterministically repeated to fill the 3072 batch. RU calibration had 3072 unique accepted samples.

Verification

Artifacts in this repo include:

  • stats/structural_audit.json
  • stats/smoke_outputs.json
  • stats/agent_calibration_stats.json
  • stats/ru_calibration_stats.json
  • logs/main_merge.log
  • manifests/hf_final_audit.json

Smoke prompts covered Russian Cyrillic chat, coding-agent debugging, and XML-style tool calling.

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_5MoeForConditionalGeneration
Ревизия весов
c3b73b8

0 моделей