/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
28 сен 2025

Qwen3-0.6B-Base

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель Qwen3 с улучшенным шаблоном чата для языкового моделирования и экспериментов с дообучением.

88скачиваний за 30 дней0лайковвеса обновлены9 фев 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 «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

dnotitia/Qwen3-0.6B-Base — версия Qwen3-0.6B-Base, подготовленная Dnotitia для более удобного обучения. Веса совпадают с официальным выпуском Qwen3; изменения касаются шаблона чата, вынесенного в отдельный файл и дополненного тегами генерации для совместимости с assistant_only_loss в библиотеке TRL.

Это плотная авторегрессионная языковая модель с 507,9 млн параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; базовый чекпойнт прошёл предварительное обучение и подходит для языкового моделирования и дальнейших экспериментов с дообучением. В README указано многоязычное обучение Qwen3 на 119 языках, но конкретный список языков для этого чекпойнта не приведён.

Модель распространяется в формате safetensors по лицензии Apache-2.0. Для работы с Transformers требуется версия 4.51.0 или новее; небольшого размера модели достаточно для эффективных экспериментов с обучением, но карточка не приводит оценок производительности или специальных гарантий качества.

Сценарии применения

  • генерация продолжений текста
  • языковое моделирование
  • эксперименты с дообучением языковой модели
  • обучение с assistant_only_loss в TRL
  • прототипирование на компактной модели Qwen3

Ограничения

Это базовая предварительно обученная модель, поэтому карточка не заявляет о готовности к диалоговому применению или инструкционном следовании. Для поддержки архитектуры Qwen3 требуется Transformers версии 4.51.0 или новее.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[!Note]

Qwen3-ChatTemplate

A collection of Qwen3 models patched by Dnotitia. These models use the exact same weights as the official Qwen3 release but include updates for better training compatibility:

  • Refactored Chat Template: The chat_template has been neatly organized into a separate chat_template.jinja file.
  • TRL Compatibility: We have injected {% generation %} tags into the template to support assistant_only_loss in the trl library.

Currently, we have prioritized patching small-sized models to facilitate efficient training experiments.

Qwen3-0.6B-Base

Qwen3 Highlights

Qwen3 is the latest generation of large language models in Qwen series, offering a comprehensive suite of dense and mixture-of-experts (MoE) models. Building upon extensive advancements in training data, model architecture, and optimization techniques, Qwen3 delivers the following key improvements over the previously released Qwen2.5:

  • Expanded Higher-Quality Pre-training Corpus: Qwen3 is pre-trained on 36 trillion tokens across 119 languages — tripling the language coverage of Qwen2.5 — with a much richer mix of high-quality data, including coding, STEM, reasoning, book, multilingual, and synthetic data.
  • Training Techniques and Model Architecture: Qwen3 incorporates a series of training techiques and architectural refinements, including global-batch load balancing loss for MoE models and qk layernorm for all models, leading to improved stability and overall performance.
  • Three-stage Pre-training: Stage 1 focuses on broad language modeling and general knowledge acquisition, Stage 2 improves reasoning skills like STEM, coding, and logical reasoning, and Stage 3 enhances long-context comprehension by extending training sequence lengths up to 32k tokens.
  • Scaling Law Guided Hyperparameter Tuning: Through comprehensive scaling law studies across the three-stage pre-training pipeline, Qwen3 systematically tunes critical hyperparameters — such as learning rate scheduler and batch size — separately for dense and MoE models, resulting in better training dynamics and final performance across different model scales.

Model Overview

Qwen3-0.6B-Base has the following features:

  • Type: Causal Language Models
  • Training Stage: Pretraining
  • Number of Parameters: 0.6B
  • Number of Paramaters (Non-Embedding): 0.44B
  • Number of Layers: 28
  • Number of Attention Heads (GQA): 16 for Q and 8 for KV
  • Context Length: 32,768

For more details, including benchmark evaluation, hardware requirements, and inference performance, please refer to our blog, GitHub, and Documentation.

Requirements

The code of Qwen3 has been in the latest Hugging Face transformers and we advise you to use the latest version of transformers.

With transformers<4.51.0, you will encounter the following error:

KeyError: 'qwen3'

Evaluation & Performance

Detailed evaluation results are reported in this 📑 blog.

Citation

If you find our work helpful, feel free to give us a cite.

@misc{qwen3technicalreport,
      title={Qwen3 Technical Report}, 
      author={Qwen Team},
      year={2025},
      eprint={2505.09388},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2505.09388}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
d118069

0 моделей