Характеристики

Контекст: 262 144 токена
Размер весов: 70,2 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5_moe · dense
Базовая модель: affine-5g4yy75zuz-t6
Библиотека: transformers
Опубликована: 20 авг 2026

Ссылки

sn120-03affd41ac7c

Генерация текстаТекст → текст3 профессии

Производная модели crazyape777/fk-unconst-affine-5czsc2fc98-r1064-vera-odpo-midrank-midbeta-mi. Экспериментальная DPO-дообученная модель для генерации ответов и оценки парных рассуждений в протоколе Reason v4.

18скачиваний за 30 дней0лайковвеса 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Карточка модели elevateecho/sn120-03affd41ac7c на Hugging Face совпадает с карточкой crazyape777/fk-unconst-affine-5czsc2fc98-r1064-vera-odpo-midrank-midbeta-mi, поэтому описание составлено по ней.

R1064 — MidCtx × MidRank × MidBeta Ultra HiLR — это экспериментальный чат-чекпойнт семейства Qwen 3.5 MoE от crazyape777, полученный офлайн-дообучением методом DPO базовой модели vera6/affine-5g4yy75zuz-t6. Он создан для участия в SN120 Affine miner и оценки парных ответов по Reason v4, а не для общего общения. Обучение оптимизировало предпочтение рассуждений, повышающих оценку учительской модели; в README описаны сравнение с родительской моделью и выигрыш на тесте из 79 примеров.

Модель принимает текст и генерирует текст в формате диалога. В обучении использовались пары предпочтений для дуэльной оценки, LoRA с рангом 32 и максимальной длиной последовательности 8192 токена. Репозиторий содержит веса Safetensors и предназначен для библиотеки Transformers. Лицензия — Apache 2.0.

Заявленные в README результаты относятся к конкретной версии Reason v4 и протоколу оценки; они не подтверждают качество на общих задачах. Модель не позиционируется как универсальный чат-ассистент.

Сценарии применения

участие в SN120 Affine miner
генерация ответов для парного сравнения в Reason v4
оценка рассуждений по предпочтениям учительской модели

Ограничения

Модель предназначена для специализированной оценки Reason v4 и не позиционируется как универсальный чат-ассистент. Приведённые результаты относятся к конкретному протоколу и небольшой выборке из 79 примеров.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

R1064 — MidCtx × MidRank × MidBeta Ultra HiLR (offline DPO on vera king)

Affine SN120 challenger for Reason v4 (weight_version_key=7): tempered multi-sample log-mean-exp over k=3 teacher refs (τ=0.03).

Per turn: a_i = lpC(y_i|z_A) − lpC(y_i|∅); Reason = τ·log(mean_i exp(a_i/τ)). Crown also needs median stripped |z|≥80 and B pass ≥0.30.

How this checkpoint was trained

Base / parent: vera6/affine-5g4yy75zuz-t6@8e3f1695e058837ed80fec3238ff439fdc2d0f0e (live king reign36)
Method: offline DPO on Reason-ranked duel pairs (not SFT / not online GRPO)
What was optimized: preference for thoughts that raise teacher-side Reason (commit to a teacher next-action mode; filler loses under LME)
Data: Soft Mid Mid Soft → MidCtx filtered duel preference pairs (dpo_duel_reason.jsonl, 604 lines) under mining/experiments/r1064-vera-offline-dpo-hialpha-midrank-midbeta-midctx-ultrasuperextrasteps-ep4-hilr / pod /root/r1064/
Key hyperparameters:
- LoRA r=32 (MidRank), α=128 (HiAlpha)
- β=0.1 (MidBeta)
- lr=2e-6 (HiLR)
- max_len=8192 (MidCtx)
- max_steps=28800 (UltraSuperExtra)
- epochs=4
Hardware: Lium mine-r337-marsplan-online-dpo-hilr-1 (noble-hawk-1f) 8×B200 GPUs 4,5 train+merge; TKC warm; chall :8003 GPUs 4,5 for v4 n80 → /tmp/r1064_merged (~16 safetensor shards)
Local n80 vs live king reign36 (vera6/affine-5g4yy75zuz-t6@8e3f1695e058837ed80fec3238ff439fdc2d0f0e) under wvk=7:
- margin +0.006632, SE 0.003248, z=2.042, n=79
- bar max(2·SE, δ=0.002) = 0.006495 (~1.021×)
- thought median 201 (≥80 ✓), B pass 0.521 (≥0.30 ✓)
- k=3, τ=0.03 (fail-closed if stamp ≠ v4)
- decision: WIN / Stage-5 licensed (r1064_sim_result_reign36_wvk7.json, p4208)
Lineage: R1047 MidCtx MidRank MidLoβ Ultra HiLR REFUTE m=+0.002013 ~0.19× → Midβ isolate (MidLoβ→Midβ); ≠ MidLoβ Ultra HiLR R1047 / ≠ MidCtx MidRank Hiβ Ultra HiLR R1053 / ≠ MidCtx LoRank Midβ Ultra HiLR R1057 / ≠ ShortCtx MidRank Midβ Ultra HiLR R1063 / ≠ Online / ≠ GRPO
Experiment path: mining/experiments/r1064-vera-offline-dpo-hialpha-midrank-midbeta-midctx-ultrasuperextrasteps-ep4-hilr

Intended use

SN120 Affine miner submission / evalsrv Reason v4 duel. Not a general chat model.

License

Follows base model + Affine mining artifacts policy.

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_5MoeForConditionalGeneration
Ревизия весов: 6d65382