/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
54,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
transformers
Опубликована
19 авг 2026

Kiwen-27B

Изображение и текст → текст9 профессий

Kiwen-27B — мультимодальная дообученная модель Qwen, настроенная на своевременное завершение рассуждений и выдачу ответов.

51скачиваний за 30 дней8лайковвеса обновлены20 авг 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 «Изображение → 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

Kiwen-27B — дообученная мультимодальная модель Qwen, созданная на основе Qwen/Qwen3.8-27B с использованием длинных трасс рассуждений Kimi K3. Её дообучение направлено на то, чтобы модель завершала рассуждение и выдавала ответ до исчерпания лимита генерации; автор не заявляет, что она в целом сильнее базовой модели.

Модель предназначена для диалогов и задач с изображениями, а также для многошаговых задач на рассуждение, включая математику и программирование. В README приведены результаты GSM8K: улучшение точности составило 10,31 процентного пункта при гибком извлечении ответа и 6,07 пункта при строгом. Это указывает, что часть выигрыша связана с более надёжным завершением ответа, а не обязательно с улучшением математических способностей. Проверка на вьетнамских корпоративных документах показала небольшое ухудшение NLL относительно базовой модели.

Kiwen-27B — плотная модель семейства Qwen с 27 млрд параметров, архитектура Qwen3_5ForConditionalGeneration. Она принимает текст и изображения и выдаёт текст. В метаданных указаны вьетнамский, английский и китайский языки. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • решение математических задач с развёрнутыми рассуждениями
  • получение финального ответа до исчерпания лимита генерации
  • диалоговые задачи с анализом изображений
  • генерация и разбор кода
  • многошаговые STEM-задачи

Ограничения

Дообучение нацелено прежде всего на своевременную выдачу ответа и не означает общего улучшения модели. На проверке вьетнамских корпоративных документов NLL немного ухудшился относительно базовой модели; приведённые в README бенчмарки могут иметь ограничения, связанные с данными оценки.

Для каких профессий подходит9

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

Kiwen-27B

A fine-tune of Qwen/Qwen3.8-27B trained on long chain-of-thought traces from Kimi K3.

This is not a broadly stronger model. The fine-tune primarily teaches Qwen3.8-27B to terminate its reasoning and produce an answer before exhausting its generation budget.

Model Summary

Qwen3.8-27B is a strong reasoning model that can sometimes spend its entire token budget deliberating without producing a final answer.

On GSM8K, this behavioral change produces a +10.31 percentage-point improvement under flexible extraction.

Key results

BenchmarkQwen3.8-27BKiwen-27BDeltat
GSM8K exact_match (flexible)0.74070.8438+10.31+6.58
GSM8K exact_match (strict)0.66720.7278+6.07+3.40
IFEval prompt-level strict0.82260.8429+2.03+0.90
IFEval prompt-level loose0.84470.8669+2.22+1.04
IFEval instruction-level strict0.83930.8645+2.52—
IFEval instruction-level loose0.85370.8801+2.64—
VMLU val (744 Vietnamese MMLU questions)83.4786.02+2.55+1.37

Evaluated using lm-evaluation-harness 0.4.12 with both models served on identical hardware:

  • Hardware: 1× H200
  • Inference: SGLang
  • Model dtype: BF16
  • KV cache: FP8
  • Generation limit: max_gen_toks=4096
  • Prompts: identical
  • Decoding settings: identical

The largest improvement is on GSM8K. Other benchmarks show smaller but consistently positive changes, with no measured regression.

The Mechanism: Learning When to Stop

GSM8K is evaluated using two extraction methods:

  • Strict match: requires the canonical #### <number> answer format.
  • Flexible extraction: extracts the final number from the generated response.

The improvement under flexible extraction is substantially larger:

+10.31 points flexible vs. +6.07 points strict

This asymmetry suggests that much of the improvement comes from successfully producing an answer before the generation budget is exhausted, rather than from a fundamental improvement in mathematical reasoning.

Out-of-Domain Regression

To test whether the fine-tuning damaged unrelated capabilities, both models were evaluated on 100 held-out Vietnamese enterprise documents covering:

  • Accounting
  • CRM
  • Internal RAG workloads

The metric was token-level negative log-likelihood:

ModelNLL / token
Qwen3.8-27B3.3390
Kiwen-27B3.3543

Paired difference:

  • Δ: +0.0067
  • Standard error: 0.0041
  • t: 1.65

Usage

from transformers import AutoModelForImageTextToText, AutoProcessor

model = AutoModelForImageTextToText.from_pretrained(
    "beyoru/Kiwen-27B",
    dtype="bfloat16",
    device_map="auto",
)

proc = AutoProcessor.from_pretrained(
    "beyoru/Kiwen-27B"
)

MTP Tensors

MTP tensors are absent from the released model.

transformers declares:

_keys_to_ignore_on_load_unexpected = [r"^mtp.*"]

Therefore, the multi-token-prediction block is dropped by HF-based merging, including this release.

For speculative decoding, use an external draft model such as z-lab/Qwen3.8-27B-DFlash2 rather than NEXTN.

A draft model trained against the original weights may have a lower acceptance rate against the merged Kiwen weights. This does not affect correctness because speculative decoding uses rejection verification.

Benchmark Caveat

VMLU validation is publicly distributed with answer keys and may have some representation in pretraining data.

Its absolute score should therefore be interpreted cautiously.

However, the base-versus-fine-tuned comparison remains informative, since both models are exposed to the same potential contamination.

Citation

@misc{kiwen27bk3,
  title  = {Kiwen-27B},
  author = {beyoru},
  year   = {2026},
  url    = {https://huggingface.co/beyoru/Kiwen-27B-K3}
}

License & Attribution

Built on:

Kiwen-27B is released under the Apache-2.0 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
Qwen3_5ForConditionalGeneration
Ревизия весов
a903c7f

0 моделей