/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Kiwen1.1-27B
Библиотека
transformers
Опубликована
16 сен 2026

Kiwen1.2-27B

Изображение и текст → текст

Русское описание этой модели ещё готовится. Пока можно заглянуть в карточку модели от автора ниже.

214скачиваний за 30 дней2лайкавеса обновлены17 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 «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.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kiwen1.2-27B

Kiwen1.2 is a fine-tuned version of Qwen3.8-27B, trained on long chain-of-thought reasoning traces from Kimi K3 — with a particular focus on reasoning, coding, tool use, and instruction following. But the goal wasn't simply to make the model think longer. The goal was to make it think better.

This model isn't an attempt to build the biggest model.

It's an attempt to make a 27-billion-parameter model think harder, follow instructions better, and act more reliably.

News

RL in internal workflow by RLVR

Internal benchmark

RankModelPass RatePartial Rate
1Kiwen1.281.2%89.62%
2gemini-3.7-flash81.0%89.8%
3gemini-3.6-flash80.0%88.9%
4Kiwen1.178.1%87.85%

the benchmark includes 100 internal tasks for agent workflow

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

m = "beyoru/Kiwen1.1-27B"
tok = AutoTokenizer.from_pretrained(m)
model = AutoModelForCausalLM.from_pretrained(m, dtype="auto", device_map="auto")

msgs = [{"role": "user", "content": "Natalia sold clips to 48 friends in April, "
                                     "and half as many in May. How many total?"}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True,
                              enable_thinking=True, return_tensors="pt").to(model.device)
print(tok.decode(model.generate(ids, max_new_tokens=4096)[0][ids.shape[-1]:]))

Set enable_thinking=False for extraction, classification and formatting tasks. The model was trained with both modes and respects the flag.

Serving with SGLang:

python -m sglang.launch_server --model-path beyoru/Kiwen1.2-27B \
  --context-length 262144 

Notes:

  • Found some issues in response quality when using with dflash2 - make sure you don't use this model with it
  • Found some loop issues in the previous version for long agentic task - ask hope this version can fix when it train for nearly long horizon task as least
  • Just little improvement in GSM8K and ifeval so the benchmark is not show above instead the benchmark in internal workflow is become better and model do more efficient steps

Citation

@misc{kiwen27bk3,
  title  = {Kiwen1.2-27B},
  author = {beyoru},
  year   = {2026},
  url    = {https://huggingface.co/beyoru/Kiwen1.2-27B}
}

License & Attribution

Built on:

Kiwen1.2-27B 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
0fcf60d

0 моделей