/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
28 сен 2026

certo-unified-4b

Генерация текстаТекст → текст4 профессии

Certo Unified 4B — дообученная на базе Qwen3-4B модель для выбора вариантов, порядкового оценивания и ответов «да/нет» с выдачей вероятностей.

184скачиваний за 30 дней0лайковвеса обновлены28 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

Certo Unified 4B — модель принятия решений, разработанная Certo на базе Qwen/Qwen3-4B и дообученная с помощью soft-target и proper-score подхода. Она принимает описание состояния и варианты ответа, а вместо одного ярлыка выдаёт распределение вероятностей для выбора из вариантов, оценки по порядковой шкале или ответа «да/нет». Доступны быстрый режим по последнему токену промпта и режим с кратким обоснованием; оба возвращают калиброванные вероятности. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3, поддерживает контекст до 40 960 токенов и запускается через Transformers. Лицензия — Apache-2.0.

Модель предназначена для маршрутизации запросов, выбора инструмента, триажа, определения намерения и допуска, а также проверки утверждений и порядкового оценивания — при наличии примеров соответствующих типов решений. В тестах, приведённых в карточке, она показывает высокую точность выбора, в том числе по описаниям вариантов из новых областей, и хорошую калибровку на поддерживаемых задачах. Карточка обозначает выпуск как исследовательский preview.

Модель не переносит надёжно оценивание на незнакомые рубрики и источники и почти случайно справляется с новым типом решения без дообучения. На данных с существенным сдвигом распределения точность и калибровка снижаются; модель также не предназначена для общих задач на знания о мире. Калибровка вероятностей зависит от соответствия калибровочных данных условиям применения.

Сценарии применения

  • выбор инструмента по описанию запроса и доступных вариантов
  • маршрутизация запросов в нужный процесс или службу
  • триаж обращений по заданным категориям
  • оценка соответствия критериям допуска
  • проверка утверждений с оценкой вероятности ответа «да»
  • порядковое оценивание по обученной рубрике

Ограничения

Надёжность снижается для незнакомых типов решений, новых рубрик и источников; карточка сообщает о заметном ухудшении на данных со сдвигом распределения. Модель не предназначена для общих задач на знания о мире, а калибровка зависит от соответствия калибровочных данных реальному применению.

Для каких профессий подходит4

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

Certo Unified 4B

One model, one endpoint, three decision primitives — with calibrated probabilities as the primary output.

Certo Unified reads a state and a set of options and returns a probability distribution, not just a label. A single scoring head serves all three decision shapes:

  • Choice — pick one of many options → per-option probabilities + confidence
  • Score — rate on an ordinal scale → distribution over levels + expected level
  • Noul — yes/no on a proposition → P(yes)

The head reads the backbone at the last prompt token (a cheap fast path) or after a short rationale (a reasoning path); both return a calibrated distribution, so reasoning improves the answer without giving up trustworthy confidence. Software assembles the typed response.

Built on Qwen/Qwen3-4B (Apache-2.0) via Certo's soft-target / proper-score recipe. Research preview.

Usage

from certo_unified_infer import UnifiedCerto   # bundled in this repo

m = UnifiedCerto.load("altslate/certo-unified-4b")   # or a local path

m.decide(
    state="Customer was charged twice for one order and wants it fixed.",
    options=[{"id": "duplicate_charge", "desc": "dispute a duplicate/double charge"},
             {"id": "new_card",         "desc": "request a new physical card"},
             {"id": "change_pin",       "desc": "change the account PIN"}],
    instructions="Which intent best matches the message?",
    qtype="choice", mode="auto")
# -> {"answer": "duplicate_charge", "probs": {...}, "confidence": 0.99, "mode": "fast"}

qtype is choice / score / noul; mode is fast / reason / auto (fast, escalating to reasoning when unsure). For Noul use option ids no/yes; for Score pass ordinal levels.

What it's good at (held-out; temperatures fit on a separate split)

capabilityresult
Choice — trained + unseen domainacc 0.93–0.97 · ECE 0.02–0.04
Choice over described options — zero-shot to a new source (tool selection)acc 0.99
Noulacc 0.88–0.92 · ECE 0.008–0.03
Score — on a trained rubricacc up to 1.00 · ECE 0.05
a new decision type, once given examples (e.g. "call a tool now vs ask?")0.57 → 0.88 (calibrated)

Its strength is calibrated, probabilities-first decisions on the decision types it's trained for, and Choice over described options generalizes to unseen domains and even a different source zero-shot.

Honest limitations

This model learns the decision types you give it examples of — it does not zero-shot generalize to arbitrary new specifications. Established across four independent training regimes:

  • Score on an unseen rubric (a rubric structure not in training): ~0.46 — no zero-shot transfer.
  • Score from a different source (e.g. product-review stars): ~0.61.
  • A novel decision type it never saw: near-chance zero-shot until trained on examples.
  • Different-source overall (JevBench public 231): acc 0.71 · ECE 0.22 — a genuine distribution-shift gap.
  • Not a general world-knowledge model (multiple-choice science ~0.6–0.8).
  • Calibration transfers only when the calibration data matches deployment; on a very different source it degrades.

How to use it well: fine-tune / train it on your decision types (routing, triage, intent, eligibility, ordinal scoring, verification, tool selection). There it is accurate and its probabilities are trustworthy — which is what lets you abstain, escalate, or trade quality against cost.

Related

Part of certo — calibrated decision models. See also the concise reasoner altslate/certo-r1-qwen3-4b and the encoder altslate/certo-decision-model.

Inspired by Jev / "System-1" decision models. Independent project — not affiliated with TypeSafe.

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
26eb65c

0 моделей