/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
apple-amlr
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Thinking-2507
Библиотека
transformers
Опубликована
17 мар 2026

SimpleSD-4B-thinking

Генерация текстаТекст → текст4 профессии

Исследовательская дообученная модель Qwen3 на 3,7 млрд параметров для генерации кода и решения задач программирования.

254скачиваний за 30 дней10лайковвеса 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-4B-thinking — исследовательская языковая модель Apple, полученная дообучением Qwen3-4B-Thinking-2507 методом Simple Self-Distillation. Метод обучает модель на собственных сэмплированных ответах без учителя, функции вознаграждения, проверяющих моделей и обучения с подкреплением. Модель предназначена прежде всего для генерации кода, включая решение задач соревновательного программирования.

Модель имеет плотную архитектуру Qwen3ForCausalLM и 3,7 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 262 144 токена. В тестах LiveCodeBench показаны улучшения относительно базовой Qwen3-4B-Thinking-2507, особенно на сложных задачах.

Это исследовательский чекпойнт для воспроизводимости, не оптимизированный релиз Qwen. В README не приведены сведения о поддерживаемых естественных языках и конкретных ограничениях качества. Лицензия репозитория — apple-amlr.

Сценарии применения

  • генерация кода по текстовому описанию
  • решение задач соревновательного программирования
  • подготовка вариантов программного решения для сложных задач

Ограничения

Чекпойнт предназначен для исследовательской воспроизводимости и не является оптимизированным релизом Qwen. README не сообщает результаты вне приведённых тестов LiveCodeBench или отдельные ограничения модели.

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

SimpleSD-4B-thinking

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=1.1, top_p=0.95, top_k=20
  • Evaluation sampling: temperature=0.7, top_p=0.95, 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-4B-thinking")
tokenizer = AutoTokenizer.from_pretrained("apple/SimpleSD-4B-thinking")

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
Qwen3-4B-Thinking-2507 (base)54.567.559.670.3
+ SimpleSD (this model)57.8 (+3.3)71.4 (+3.9)63.1 (+3.5)74.7 (+4.4)

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
Qwen3ForCausalLM
Ревизия весов
777470d

0 моделей