/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.5-122B-A10B
Библиотека
transformers
Опубликована
5 апр 2026

Qwen3.5-122B-A10B-Claude-distill

Изображение и текст → текст15 профессий

Мультимодальная модель Qwen3.5, дообученная на рассуждениях Claude для диалога, задач с изображениями, программирования, математики и логики.

27скачиваний за 30 дней5лайковвеса обновлены13 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

Qwen3.5-122B-A10B Claude-Distill — мультимодальная модель, созданная clzoro полным дообучением Qwen/Qwen3.5-122B-A10B на примерах рассуждений, дистиллированных из Claude Opus. Она предназначена для диалогов и многошаговых задач по математике, логике, программированию, STEM и творческому письму; унаследованные возможности зрения позволяют также работать с изображениями. Модель использует архитектуру Qwen3.5 MoE с 122 млрд параметров, из которых активны около 10 млрд на токен, и поддерживает английский и китайский языки.

Обучение основано примерно на 14,9 тыс. примеров. Это помогает модели решать задачи с многошаговыми рассуждениями, но небольшой и ограниченный по составу набор данных может снижать качество обобщения. Ответы могут наследовать смещения обучающих данных; медицинскую, юридическую и финансовую информацию следует проверять. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • решение многошаговых задач по математике и логике
  • генерация и отладка программного кода
  • ответы на вопросы по изображениям
  • объяснение задач по науке и инженерии
  • создание творческих текстов и ведение диалога

Ограничения

Обучение примерно на 14,9 тыс. примеров может ограничивать обобщение; модель может наследовать смещения данных. Медицинские, юридические и финансовые ответы требуют проверки.

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

Qwen3.5-122B-A10B Claude-Distill

A fine-tuned version of Qwen/Qwen3.5-122B-A10B through knowledge distillation from Claude. This model is trained with full parameter fine-tuning on curated Claude reasoning traces.

Model Highlights

  • Claude-Distilled Reasoning: Trained on high-quality chain-of-thought reasoning traces distilled from Claude Opus
  • Multi-Domain Coverage: Math, logic, coding, creative writing, STEM, and multi-turn reasoning
  • Mixture-of-Experts Architecture: Based on Qwen/Qwen3.5-122B-A10B with 122B total / 10B active parameters with Mixture-of-Experts architecture (10B active parameters per token)
  • Multimodal Capable: Inherits vision-language capabilities from Qwen3.5

Model Description

PropertyValue
Base ModelQwen/Qwen3.5-122B-A10B
Model TypeCausal Language Model with Vision Encoder (MoE)
Parameters122B (10B active)
LanguagesEnglish, Chinese
LicenseApache 2.0
DeveloperKassadin88

Training Data

Distilled from Claude on the following datasets:

DatasetSamplesDescription
Claude Opus 4.5 High Reasoning250High reasoning depth samples
Claude Opus 4.6 Reasoning9,633Math, logic puzzles, multi-step instructions with CoT
Claude Opus 4.6 High Reasoning757Coding and creative writing with adaptive reasoning
Claude Opus 4.6 Extended Reasoning500Extended reasoning across STEM and practical domains
Claude Opus 4.6 Extended Reasoning 887x887Tool calling, bullshit detection, multi-turn traces
Claude Sonnet & Opus 4.6 Reasoning524Natural human-written prompts from Reddit & Stack Overflow
Opus 4.6 Reasoning Filtered2,326Filtered reasoning traces (refusals removed)

Total: ~14.9K samples

Data Composition

DomainPercentageDescription
Math & Logic~40%Multi-step problem solving with chain-of-thought
Coding~25%Code generation, debugging, and algorithm design
STEM~15%Science, engineering, and extended reasoning
Creative Writing~10%Adaptive reasoning for creative tasks
Multi-turn / Tool Use~10%Tool calling, clarification, and dialogue

Benchmark Results

Benchmark Results

For detailed benchmark results and model architecture, please refer to the original Qwen/Qwen3.5-122B-A10B model card.

Quickstart

For full usage guide, please refer to the original Qwen/Qwen3.5-122B-A10B model card.

Using with vLLM

vllm serve Kassadin88/Qwen3.5-122B-A10B-Claude-distill \
    --port 8000 \
    --tensor-parallel-size 8 \
    --max-model-len 262144 \
    --trust-remote-code \
    --reasoning-parser qwen3

Using with SGLang

python -m sglang.launch_server \
    --model-path Kassadin88/Qwen3.5-122B-A10B-Claude-distill \
    --port 8000 \
    --tp-size 8 \
    --mem-fraction-static 0.8 \
    --context-length 262144 \
    --reasoning-parser qwen3

Using with Hugging Face Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Kassadin88/Qwen3.5-122B-A10B-Claude-distill"

tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=True
)

messages = [
    {"role": "user", "content": "Hello, how are you?"}
]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

Usage Tips

For Reasoning Tasks

messages = [
    {"role": "user", "content": "Solve step by step: What is the sum of all prime numbers less than 100?"}
]
# Model will use chain-of-thought reasoning from Claude distillation

For Coding Tasks

messages = [
    {"role": "user", "content": "Implement a binary search tree with insert, delete, and find operations in Python."}
]
# Model benefits from Claude's coding reasoning traces

Enabling / Disabling Thinking

# Enable thinking mode (recommended for reasoning tasks)
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=True)

# Disable thinking mode (for simple tasks, faster inference)
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=False)

Limitations

  • This model is distilled from Claude and may inherit biases from the training data
  • The distillation dataset is relatively small (~14.9K samples), which may limit generalization
  • Should not be used for medical, legal, or financial advice without verification
  • The model's reasoning capabilities are constrained by the quality and diversity of the distillation data

Citation

@misc{qwen3.5-122b-a10b-claude-distill,
    author = {Kassadin88},
    title = {Qwen3.5-122B-A10B Claude-Distill: A Claude-Distilled Fine-Tuned Model},
    year = {2026},
    publisher = {HuggingFace},
    url = {https://huggingface.co/Kassadin88/Qwen3.5-122B-A10B-Claude-distill}
}

Acknowledgments

  • Base Model: Qwen Team for Qwen3.5
  • Training Data: Various Claude Opus reasoning datasets on HuggingFace
  • Training Framework: DeepSpeed

Note: This model is intended for research and educational purposes. Please use responsibly.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модель не помещается в память одной GPU (80 ГБ).

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
a8dac22

0 моделей