/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E4B-it
Библиотека
transformers
Опубликована
10 сен 2026

Maq-1.0-4B-SWE

Генерация текстаТекст → текст5 профессий

Экспериментальная текстовая Gemma 4, дообученная для помощи в разработке ПО, агентных сценариях и задачах соревновательного программирования.

52скачиваний за 30 дней0лайковвеса обновлены10 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.

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

Maq-1.0-4B-SWE — текстовая модель Waylon J. Brown для диалогов по разработке программного обеспечения, созданная дообучением Gemma 4 E4B Instruct. Автор выполнил LoRA SFT на выборке из наборов данных для кодирования, SWE-траекторий и агентных сценариев, а затем объединил адаптер с базовыми весами в чекпойнт BF16 для Transformers. Репозиторий содержит модель примерно на 4,5 млрд эффективных параметров (около 8 млрд с учётом послойных эмбеддингов); исходная Gemma 4 — мультимодальная, но эта версия обучалась только на тексте.

Модель предназначена для помощников по программированию, диалогов «задача — план — исправление», агентных сценариев с использованием инструментов, а также задач соревновательного программирования и рассуждений о коде. Она принимает текст и генерирует текст; обучение проводилось с контекстом 1024 токена, хотя базовая модель поддерживает более длинный контекст. Обучение было коротким: 400 шагов на 4096 примерах, без отложенной оценки и опубликованных результатов SWE-Bench или LiveCodeBench.

Это экспериментальная специализированная настройка, а не универсальный чат-бот или замена крупным SWE-агентам. README предупреждает, что фильтрация отказов в части обучающих данных могла ослабить защитные ограничения. Веса модели доступны по Apache 2.0; лицензии использованных наборов данных различаются, поэтому для коммерческого использования нужно проверить условия каждого источника.

Сценарии применения

  • составление плана исправления программной ошибки
  • генерация патча по описанию задачи в репозитории
  • обсуждение кода в диалоговом помощнике разработчика
  • выполнение многошаговых агентных сценариев по работе с кодом
  • решение задач соревновательного программирования

Ограничения

Обучение ограничено 400 шагами и контекстом 1024 токена; отложенных оценок и результатов SWE-Bench или LiveCodeBench нет. Это текстовая настройка, защитные ограничения могли ослабнуть, а лицензии исходных датасетов различаются.

Для каких профессий подходит5

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

Maq 1.0 4B SWE

Post-trained Gemma 4 E4B (instruction-tuned) for software-engineering, coding-agent, and competitive-programming style chat. Fine-tuned with LoRA SFT on a mix of NVIDIA Nemotron code/SWE datasets plus Fable/OpenCode agent traces, then merged into full BF16 weights.

  • Base: google/gemma-4-E4B-it (Gemma 4 E4B-IT; ~4.5B effective / ~8B with per-layer embeddings)
  • Method: LoRA SFT, then manual merge into dense BF16 (W += (α/r) B A)
  • This repo: merged Transformers checkpoint (model.safetensors, ~15 GB)

This is not a full-data, multi-epoch Nemotron-scale post-train. It is a LoRA run on a sampled mix (33,585 JSONL rows collected; 4,096 used for the actual 400-step train) on a single Intel Arc iGPU.

Intended use

  • Coding assistants and SWE-style issue → plan → patch conversations
  • Tool-using / agentic coding traces (bash, file edits, multi-turn)
  • Competitive programming and code-reasoning prompts
  • Local / on-device experiments on Gemma 4 E4B

Not intended as a general chatbot replacement, a safety-tuned model, or a drop-in for 70B+ SWE agents.

How to use

from transformers import AutoModelForCausalLM, AutoProcessor
import torch

model_id = "WaylonJBrown/Maq-1.0-4B-SWE"
processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id, dtype=torch.bfloat16, device_map="auto", trust_remote_code=True
)
tokenizer = getattr(processor, "tokenizer", processor)

messages = [
    {"role": "user", "content": "Write a Python function that returns the nth Fibonacci number."},
]
text = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True, enable_thinking=False
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=256, do_sample=False)
print(tokenizer.decode(out[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

Requires a recent transformers (Gemma 4 / Gemma4ClippableLinear support).

Training

Hardware

ItemValue
MachineNative Windows 11 (no WSL)
GPUIntel Arc 140T (shared ~32 GB, PyTorch XPU)
RAM64 GB
FrameworkPyTorch 2.14.0+xpu, transformers 5.16.1, trl 1.12.0, peft 0.20.0

PLE embedding tables (embed_tokens, embed_tokens_per_layer, ~5.3 GB + 1.3 GB) stayed on CPU. Decoder weights + an untied lm_head copy ran on XPU. Vision/audio towers were dropped for this text SFT.

Recipe

HyperparameterValue
Basegoogle/gemma-4-E4B-it
ObjectiveCausal LM SFT (trl.SFTTrainer)
LoRA rank r8
LoRA alpha16 (scale α/r = 2.0 at merge)
LoRA dropout0.0
Target modulesq_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
Trainable params17,440,768 (~0.23% of 7.49B reported)
Max sequence length1024
Per-device batch1
Grad accumulation8 (effective batch 8)
Max steps400
OptimizerAdamW (TRL/Transformers default)
LR1.5e-4 cosine, 12 warmup steps
Precisionbf16
Grad checkpointingon
Seed3407
Packingoff

Wall clock: 400/400 steps in 7h 22m (train_runtime 26540 s). ~2.98M tokens seen. ~63–85 s/step.

PEFT cannot re-inject this adapter into Gemma 4 Gemma4ClippableLinear on reload, so merge was done by applying LoRA deltas onto the base Linear weights (258/258 pairs, 0 missing, 0 shape mismatches).

Metrics (train only — no held-out eval)

losstoken acc
Step 13.0660.537
Mean over 400 steps0.880—
Min step loss0.217—
Step 4001.2250.718

Loss is noisy because sequences vary in length and source. No SWE-Bench / LiveCodeBench numbers for this checkpoint.

Data

Collected by streaming (not full Hub dumps) into a unified messages JSONL, then shuffled. Competitive-Programming-v2 is 97 GB on Hub; it was not downloaded in full.

DatasetHub rows (approx)Rows kept in mixRole
nvidia/Nemotron-SFT-OpenCode-v1459k (~33 GB)6,000OpenCode-style agent / tool traces
nvidia/Nemotron-SWE-v1~51k (~11 GB)4,000OpenHands SWE trajectories
nvidia/Nemotron-Cascade-SFT-SWE~141k (~6.8 GB)4,000SWE localization / repair / testgen (DeepSeek-R1-0528)
nvidia/Nemotron-SFT-Competitive-Programming-v2large (~97 GB)3,000Competitive programming / SQL / Exercism
DavidrPatton/Fable-5-GLM-5.2-Traces10,5269,023Agentic coding traces + CoT narration
TitleOS/Nemotron-3-Ultra-High-Effort-OpenCode-Distilled-2k1,8221,562High-effort Nemotron 3 Ultra distill
Nexlab/fable5-agentic-coding-sft159,9726,000Multi-turn tool-call coding SFT
Mix JSONL33,585
Actually trained4,096 shuffled subsetTokenizing all 33k was ~12h on this box

Normalization: messages / ShareGPT conversations / Fable traces → {role, content} with system/user/assistant. Tool roles flattened into user/assistant text. Per-message cap 24k chars. Skip every 7th stream row for light diversity.

Safety note: Nexlab/fable5-agentic-coding-sft documents that refusals were filtered. That subset is in the mix; guardrails vs the base IT model may be weaker.

Files

PathWhat
model.safetensorsMerged BF16 weights (~15 GB)
config.json / generation_config.jsonGemma 4 E4B-IT config
tokenizer.json / tokenizer_config.json / chat_template.jinjaTokenizer + chat template
processor_config.jsonProcessor (text; vision/audio not trained)

Unmerged LoRA adapter (66.6 MB adapter_model.safetensors, r=8) was trained at adapter_config.json peft_type: LORA and merged here. PEFT from_pretrained on Gemma 4 ClippableLinear is currently unsupported; use these merged weights.

Limitations

  • 1024 context during SFT (base supports much longer)
  • 400 steps / ~0.78 epoch on 4096 examples — a short post-train, not a Nemotron production blend
  • No benchmark suite reported
  • Text-only SFT; multimodal towers were not trained
  • Intel XPU mixed-device training path is research-grade
  • Dataset licenses are mixed (NVIDIA CC-BY / subset BSD, MIT on Fable derivatives, Gemma Apache 2.0). Check each source before commercial use.

License

Weights derived from Gemma 4: Apache 2.0. Datasets retain their upstream licenses.

Citation

@misc{maq10-4b-swe,
  title        = {Maq 1.0 4B SWE},
  author       = {Waylon Brown},
  year         = {2026},
  howpublished = {Hugging Face},
  note         = {LoRA SFT of google/gemma-4-E4B-it on sampled Nemotron + Fable coding/SWE mixes}
}

Base model: Gemma Team, Gemma 4 Technical Report, arXiv:2607.02770.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
f703e1c

0 моделей