/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Опубликована
4 сен 2026

Qwen3-8B-openthoughts3-math-400k-sft

Генерация текстаТекст → текст3 профессии

Дообученная на математических примерах Qwen3-8B для генерации текста и экспериментов с математическими рассуждениями.

22скачиваний за 30 дней0лайковвеса обновлены4 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

Qwen3-8B-openthoughts3-math-400k-sft — плотная языковая модель на 7,6 млрд параметров, созданная дообучением Qwen/Qwen3-8B разработчиком XinnanZhang. Модель обучена с учителем на 400 тыс. примеров из набора XinnanZhang/openthoughts3-math-50k8 и предназначена для генерации текста и математических рассуждений; контекст составляет 32 768 токенов. Карточка публикует результаты оценивания на математических наборах AIME и AMC и описывает её использование как начальной точки для экспериментов по дистилляции с обучением на собственных ответах модели.

Автор предупреждает, что этот чекпойнт заметно уступает исходной Qwen/Qwen3-8B: на приведённой оценке он отстаёт на 14,1 процентного пункта. По данным карточки, значительная часть обучающих ответов обрывается посреди рассуждения, из-за чего модель могла усвоить преждевременное завершение ответа. При повторном сохранении следует проверить, что параметр rope_theta=1000000 остался доступен в конфигурации: несовместимость старых версий Transformers с его расположением может ухудшить генерацию. Лицензия — Apache-2.0.

Сценарии применения

  • генерация решений математических задач
  • эксперименты по дистилляции математических рассуждений
  • оценка генерации ответов на задачах AIME и AMC

Ограничения

В оценке из карточки модель уступает исходной Qwen/Qwen3-8B на 14,1 процентного пункта; карточка связывает это с тем, что большинство обучающих ответов обрывается посреди рассуждения. При повторном сохранении конфигурации нужно проверить сохранность rope_theta=1000000, поскольку несовместимость версий Transformers может привести к ухудшению генерации.

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

Qwen3-8B-openthoughts3-math-400k-sft

Qwen/Qwen3-8B supervised-fine-tuned on XinnanZhang/openthoughts3-math-50k8 (50k prompts x 8 samples = 400k examples), used as the student initialization for on-policy distillation experiments.

Read this before using the model

This checkpoint scores below its own base model. It is published for reproducibility of the distillation experiments that start from it, not as an improved model.

For reference, the untuned Qwen/Qwen3-8B scores 67.06 / 80.76 on the same eval, i.e. this SFT model is 14.1pp worse than the base model it was fine-tuned from.

The cause is in the training data, not the recipe: only 29.4% of the SFT targets actually close </think> and emit a \boxed{} answer. The remaining 70.6% hit a ~16k generation cap mid-reasoning, after which the chat template still appends <|im_end|> — so the model is trained to emit EOS in the middle of a thought. This is inherited from upstream (OpenThoughts3-1.2M math is ~30% complete under the same measurement). Prompt formatting and the boxed-answer suffix were verified byte-exact and are not the cause.

Training

Official openthinker3 hyperparameters, via LLaMA-Factory:

learning rate8e-5
global batch size512
epochs1
cutoff length20000
packingneat_packing (requires per-device batch size 1; scale with gradient accumulation)
otherliger kernel, FlashAttention-2, bf16

Evaluation

mean@8 / pass@8 in percent, n=8 samples per prompt, 16384 max response tokens, T=0.6 / top_p=0.95 / top_k=20, thinking mode. aime24/25/26 are 30 questions each, amc23 is 40. pass@8 is verl's val-core/<ds>/acc/best@8/mean estimator.

datasetmean@8pass@8
aime2446.2570.60
aime2537.0853.34
aime2646.2562.62
amc2382.1993.61
average52.9470.04

A packaging note that matters

This checkpoint was saved by transformers 5.2.0, which nests rope_theta under rope_parameters. Older versions (e.g. 4.55.2) do not know that field and silently fall back to rope_theta=10000 instead of 1000000; generations then start coherent and collapse into character garbage with no error raised. On this model that difference was aime24 mean@8 1.25 vs 42.08.

The config.json here carries rope_theta both flat and nested with the same value 1000000, so it loads correctly under either version. If you re-save it, verify the flat key survives.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
cea274a

0 моделей