/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-9b-Sushi-Coder-RL
Опубликована
27 мар 2026

Qwen3.5-9b-Sushi-Coder-RL-GGUF

Генерация текстаТекст → текст5 профессий

Qwen3.5-9b-Sushi-Coder-RL-GGUF — мультимодальная модель для генерации кода, разработанная bigatuna на базе Qwen 3.5.

2 184скачиваний за 30 дней100лайковвеса обновлены20 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Это GGUF-экспорт модели Qwen3.5-9b-Sushi-Coder-RL, обученной с применением supervised fine-tuning и reinforcement learning для задач программирования. В обучении использовались наборы данных open-r1/codeforces-cots и nohurry/Opus-4.6-Reasoning-3000x-filtered, а RL-этап выполнялся с использованием NousResearch/atropos и hermes-agent.

Модель предназначена для генерации и решения задач программирования, включая сценарии, связанные с Codeforces и LiveCodeBench. Она поддерживает текстовый ввод и мультимодальные возможности; для работы требуется использовать текстовый GGUF вместе с файлом BF16-mmproj. Доступны варианты квантования Q4_K_M и Q8_0, а также BF16-mmproj. В README указана архитектура Qwen 3.5 и поддержка английского языка; в сопоставимых тестах использовался контекст длиной 4096 токенов.

Сильной стороной модели является заметное превосходство над базовой Qwen3.5-9B в приведённой оценке LiveCodeBench: показатель codegen_pass@1:16 составил 0,2015 при детерминированной генерации и 0,2388 при sampling. Ограничения включают зависимость мультимодального режима от отдельного mmproj-файла, а также отсутствие в README подробных сведений о полном перечне поддерживаемых языков программирования, максимальном контексте и качестве за пределами указанных тестов. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит5

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

Qwen3.5-9b-Sushi-Coder-RL-GGUF

Qwen3.5-9b-Sushi-Coder-RL-GGUF

Lineage

Training

The upstream SFT model was trained with Unsloth on:

The RL stage was then run for coding with NousResearch/hermes-agent using NousResearch/atropos.

During that run, vLLM was patched with vllm-project/vllm PR #36395, fix(lora): add bounds checking for TP configurations, to address the LoRA tensor-parallel bounds issue.

Files

  • Qwen3.5-9b-Sushi-Coder-RL.Q4_K_M.gguf
  • Qwen3.5-9b-Sushi-Coder-RL.Q8_0.gguf
  • Qwen3.5-9b-Sushi-Coder-RL.BF16-mmproj.gguf

Usage Note

This is a multimodal Qwen 3.5 export. Use the text GGUF together with the BF16-mmproj file.

Quick Start

Example download commands with the Hugging Face CLI:

hf download bigatuna/Qwen3.5-9b-Sushi-Coder-RL-GGUF \
  Qwen3.5-9b-Sushi-Coder-RL.Q4_K_M.gguf \
  Qwen3.5-9b-Sushi-Coder-RL.BF16-mmproj.gguf

Alternative quant:

hf download bigatuna/Qwen3.5-9b-Sushi-Coder-RL-GGUF \
  Qwen3.5-9b-Sushi-Coder-RL.Q8_0.gguf \
  Qwen3.5-9b-Sushi-Coder-RL.BF16-mmproj.gguf

Metadata

  • License: Apache-2.0
  • Architecture: Qwen 3.5
  • Format: GGUF
  • Tags: llama.cpp, qwen3_5, multimodal, code, rl, conversational

LiveCodeBench Evaluation

The benchmark results below were produced from matched local BF16 vLLM endpoints so the RL model and the base model were evaluated with the same serving method, the same task, and the same generation settings.

Evaluated models:

  • RL model: bigatuna/Qwen3.5-9b-Sushi-Coder-RL
  • Base model: Qwen/Qwen3.5-9B

Matched benchmark setup:

  • Task: lcb:codegeneration|0
  • Benchmark size: 268 problems
  • Backend: lighteval endpoint litellm
  • Context length: 4096
  • vLLM dtype: bfloat16
  • Same max_new_tokens, same prompt/task, same serving stack, same evaluation harness

Matched Full Results

Deterministic run:

  • temperature=0.0
  • top_p=1.0
  • seed=0
  • max_new_tokens=1024

Results:

  • RL model: codegen_pass@1:16 = 0.2015 +/- 0.0245
  • Base model: codegen_pass@1:16 = 0.0336 +/- 0.0110

Approximate passes:

  • RL model: 54 / 268
  • Base model: 9 / 268

Sampling run:

  • temperature=0.6
  • top_p=0.95
  • top_k=20
  • min_p=0.0
  • presence_penalty=0.0
  • repetition_penalty=1.0
  • max_new_tokens=1024

Results:

  • RL model: codegen_pass@1:16 = 0.2388 +/- 0.0261
  • Base model: codegen_pass@1:16 = 0.0261 +/- 0.0098

Approximate passes:

  • RL model: 64 / 268
  • Base model: 7 / 268

In both matched full runs, the RL model outperformed the base model by a wide margin.

Exact Reproduction Commands

These are the exact command shapes used for the matched local evaluation.

1. Start the RL endpoint

export CUDA_VISIBLE_DEVICES=1
vllm serve \
  <PATH_TO_YOUR_RL_MERGED_MODEL> \
  --host 0.0.0.0 \
  --port 9001 \
  --served-model-name bigatuna/Qwen3.5-9b-Sushi-Coder-RL \
  --max-model-len 4096 \
  --dtype bfloat16 \
  --gpu-memory-utilization 0.45

2. Start the base endpoint

export CUDA_VISIBLE_DEVICES=0
vllm serve \
  Qwen/Qwen3.5-9B \
  --host 0.0.0.0 \
  --port 9002 \
  --served-model-name Qwen/Qwen3.5-9B \
  --max-model-len 4096 \
  --dtype bfloat16 \
  --gpu-memory-utilization 0.45

3. Deterministic matched run

RL model:

cat > /tmp/lighteval_rl.yaml <<'EOF'
model_parameters:
  provider: "openai"
  model_name: "openai/bigatuna/Qwen3.5-9b-Sushi-Coder-RL"
  base_url: "http://localhost:9001/v1"
  api_key: "dummy"
  generation_parameters:
    temperature: 0.0
    max_new_tokens: 1024
    top_p: 1.0
    seed: 0
EOF

lighteval endpoint litellm \
  /tmp/lighteval_rl.yaml \
  'lcb:codegeneration|0' \
  --output-dir /tmp/lcb_rl_full \
  --save-details

Base model:

cat > /tmp/lighteval_base.yaml <<'EOF'
model_parameters:
  provider: "openai"
  model_name: "openai/Qwen/Qwen3.5-9B"
  base_url: "http://localhost:9002/v1"
  api_key: "dummy"
  generation_parameters:
    temperature: 0.0
    max_new_tokens: 1024
    top_p: 1.0
    seed: 0
EOF

lighteval endpoint litellm \
  /tmp/lighteval_base.yaml \
  'lcb:codegeneration|0' \
  --output-dir /tmp/lcb_base_full \
  --save-details

4. Temperature 0.6 matched run

RL model:

cat > /tmp/lighteval_rl_t06.yaml <<'EOF'
model_parameters:
  provider: "openai"
  model_name: "openai/bigatuna/Qwen3.5-9b-Sushi-Coder-RL"
  base_url: "http://localhost:9001/v1"
  api_key: "dummy"
  generation_parameters:
    temperature: 0.6
    max_new_tokens: 1024
    top_p: 0.95
    top_k: 20
    min_p: 0.0
    presence_penalty: 0.0
    repetition_penalty: 1.0
EOF

lighteval endpoint litellm \
  /tmp/lighteval_rl_t06.yaml \
  'lcb:codegeneration|0' \
  --output-dir /tmp/lcb_rl_full_t06 \
  --save-details

Base model:

cat > /tmp/lighteval_base_t06.yaml <<'EOF'
model_parameters:
  provider: "openai"
  model_name: "openai/Qwen/Qwen3.5-9B"
  base_url: "http://localhost:9002/v1"
  api_key: "dummy"
  generation_parameters:
    temperature: 0.6
    max_new_tokens: 1024
    top_p: 0.95
    top_k: 20
    min_p: 0.0
    presence_penalty: 0.0
    repetition_penalty: 1.0
EOF

lighteval endpoint litellm \
  /tmp/lighteval_base_t06.yaml \
  'lcb:codegeneration|0' \
  --output-dir /tmp/lcb_base_full_t06 \
  --save-details

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
c29d141

0 моделей