/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,6 млрд
Размер весов
61,1 ГБ
Лицензия
apple-amlr
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-30B-A3B-Instruct-2507
Библиотека
transformers
Опубликована
17 мар 2026

SimpleSD-30B-instruct

Генерация текстаТекст → текст7 профессий

Исследовательская MoE-модель Apple, дообученная методом само-дистилляции для генерации кода и диалогового выполнения инструкций.

2 951скачиваний за 30 дней11лайковвеса обновлены7 апр 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

SimpleSD-30B-instruct — исследовательская языковая модель Apple, созданная методом Simple Self-Distillation: модель дообучили на собственных сгенерированных примерах без учителя, функции вознаграждения, верификаторов и обучения с подкреплением. Для инициализации использована Qwen3-30B-A3B-Instruct-2507; архитектура — Qwen3 MoE, веса опубликованы в формате safetensors. В метаданных указано 2,6 млрд параметров и контекст до 262 144 токенов.

Модель предназначена прежде всего для генерации кода и диалогового выполнения инструкций. Её можно применять для генерации фрагментов кода и исследования само-дистилляции языковых моделей. В README приведены параметры сэмплирования для обучения и оценки, а также пример загрузки через Transformers.

Это исследовательский чекпойнт для воспроизводимости экспериментов, не оптимизированный релиз Qwen. Лицензия — Apple AMLR; перед использованием следует учитывать её условия.

Сценарии применения

  • генерация фрагментов кода по текстовому запросу
  • диалоговая помощь с программированием
  • выполнение инструкций на естественном языке
  • воспроизведение экспериментов по само-дистилляции языковых моделей

Ограничения

Чекпойнт предназначен для исследовательской воспроизводимости и не оптимизирован как релиз Qwen; README не приводит результатов оценки качества.

Для каких профессий подходит7

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

SimpleSD-30B-instruct

This model is an example of the Simple Self-Distillation (SimpleSD) method that improves code generation by fine-tuning a language model on its own sampled outputs—without rewards, verifiers, teacher models, or reinforcement learning. Please see the paper below for more information. This uses Qwen for initialization.

  • Self-distillation sampling: temperature=1.6, top_p=0.8, top_k=20
  • Evaluation sampling: temperature=0.9, top_p=0.8, top_k=20

paper: https://arxiv.org/abs/2604.01193

code: https://github.com/apple/ml-ssd

Notes

  • These are research checkpoints for reproducibility.
  • They are not optimized Qwen releases.
  • They don't represent a broader open-source model strategy.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("apple/SimpleSD-30B-instruct")
tokenizer = AutoTokenizer.from_pretrained("apple/SimpleSD-30B-instruct")

Method

SimpleSD samples solutions from the base model using non-unit temperature and top-k/top-p truncation, then fine-tunes on those samples via standard supervised learning. Despite its simplicity, SimpleSD yields large gains on competitive programming benchmarks, with improvements concentrating on harder problems. The mechanism traces to resolving a precision–exploration conflict: SimpleSD reshapes token distributions in a context-dependent way so that a single global decoding configuration becomes far more effective at evaluation time.

Results

LiveCodeBench (%)

ModelLCBv6 pass@1LCBv6 pass@5LCBv5 pass@1LCBv5 pass@5
Qwen3-30B-A3B-Instruct-2507 (base)42.453.545.858.7
+ SimpleSD (this model)55.3 (+12.9)71.6 (+18.1)54.3 (+8.5)70.7 (+12.0)

Paper

Embarrassingly Simple Self-Distillation Improves Code Generation

@misc{zhang2026embarrassinglysimpleselfdistillationimproves,
     title={Embarrassingly Simple Self-Distillation Improves Code Generation},
     author={Ruixiang Zhang and Richard He Bai and Huangjie Zheng and Navdeep Jaitly and Ronan Collobert and Yizhe Zhang},
     year={2026},
     eprint={2604.01193},
     archivePrefix={arXiv},
     primaryClass={cs.CL},
     url={https://arxiv.org/abs/2604.01193},
}

License

This model is released under the Apple Machine Learning Research Model License.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
762e318

0 моделей