/ Модель

Характеристики

Контекст
16 384 токена
Параметры
14,1 млрд
Размер весов
29,3 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Phi-4-llama-t1-full
Библиотека
transformers
Опубликована
17 янв 2025

phi4-qwq-sky-t1

Генерация текстаТекст → текст15 профессий

Объединённая 14,1-миллиардная диалоговая модель семейства Phi-4 для генерации текста и пошагового решения сложных задач.

32скачиваний за 30 дней2лайкавеса обновлены21 янв 2025

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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,5244

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6711

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,49

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,046

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,4101

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3951

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

benhaotang/phi4-qwq-sky-t1 — объединённая авторами модель на основе Phi-4-QwQ, Phi-4-llama-t1-full и адаптера Phi-4-llama-t1-lora. Она создана методом TIES с помощью mergekit; архитектура — плотная LlamaForCausalLM, размер — 14,1 млрд параметров. Модель предназначена для диалоговой генерации текста и пошаговых рассуждений, включая решение сложных задач. Контекст составляет 16 384 токена.

В карточке автор сообщает, что модель, по его оценке, воспроизводит возможности QwQ на уровне 14B; приведены результаты Open LLM Leaderboard, включая среднее значение 30,78% и BBH 52,61%. Оценка IFEval затруднена из-за строгого формата системного промпта Sky-T1. Модель распространяется под лицензией MIT.

Сценарии применения

  • диалоговые ответы на вопросы
  • пошаговое рассуждение над сложной задачей
  • генерация текста по инструкции
  • решение задач на логику и понимание

Ограничения

Результат IFEval в карточке оценён как ненадёжный из-за строгого формата системного промпта Sky-T1. Приведённые автором оценки не гарантируют качество на других задачах и сценариях.

Для каких профессий подходит15

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

merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the TIES merge method using prithivMLmods/Phi-4-QwQ as a base.

Models Merged

The following models were included in the merge:

Eval

image/png

IFEval is broken due to the Sky-T1 strict system prompt format, but other than that, seems to have recreated qwq at 14B.

Running

  • With Ollama
ollama run hf.co/benhaotang/phi4-qwq-sky-t1-Q4_K_M-GGUF

I suggest adding SYSTEM "You are a helpful AI asistent. You always think step by step." to triger step by step reasoning.

  • With pytorch
import transformers
tokenizer = AutoTokenizer.from_pretrained("mircosoft/phi-4")
pipeline = transformers.pipeline(
    "text-generation",
    model="benhaotang/phi4-qwq-sky-t1",
    tokenizer=tokenizer,
    device_map="auto",
)
messages = [
    {"role": "system", "content": "You are a helpful AI asistent. You always think step by step."},
    {"role": "user", "content": "Give me a short intodcution to renormalization group(RG) flow in physcis?"},
]
outputs = pipeline(messages, max_new_tokens=128)
print(outputs[0]["generated_text"])

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: prithivMLmods/Phi-4-QwQ
    #no parameters necessary for base model
  - model: benhaotang/Phi-4-llama-t1-full
    parameters:
      density: 0.5
      weight: 0.5
  - model: prithivMLmods/Phi-4-QwQ
    parameters:
      density: 0.5
      weight: 0.5

merge_method: ties
base_model: prithivMLmods/Phi-4-QwQ
parameters:
  normalize: false
  int8_mask: true
dtype: float16

Open LLM Leaderboard Evaluation Results

Detailed results can be found here! Summarized results can be found here!

MetricValue (%)
Average30.78
IFEval (0-Shot)4.60
BBH (3-Shot)52.61
MATH Lvl 5 (4-Shot)39.58
GPQA (0-shot)19.35
MuSR (0-shot)21.38
MMLU-PRO (5-shot)47.16

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
dcf8141

0 моделей