/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
71,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.6-35B-A3B
Библиотека
transformers
Опубликована
16 сен 2026

Qwen3.8-35B-A3B-Distill

Генерация текстаТекст → текст15 профессий

Текстовая MoE-модель Empero, дистиллированная из Qwen3.8 для диалогов, математических рассуждений, программирования и вызова инструментов.

7 591скачиваний за 30 дней72лайкавеса обновлены16 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 «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

Qwen3.8-35B-A3B — текстовая дистилляция от Empero на базе Qwen/Qwen3.6-35B-A3B. Это причинная языковая модель с архитектурой MoE: 35 млрд параметров всего, около 3 млрд активируются на токен; используется 40 слоёв, 256 экспертов и 8 маршрутизируемых экспертов на токен. Модель распространяется в формате Transformers и поддерживается стандартными средами запуска с поддержкой архитектуры Qwen3.6.

Модель предназначена для диалогов, математических задач, программирования, общих рассуждений, следования инструкциям и вызова инструментов. Она обучена методом дистилляции на отфильтрованных трассах внутренних моделей-учителей Qwen3.8; базовая модель поддерживает контекст до 262 144 токенов. Обучение было текстовым, поэтому визуальные возможности унаследованы от мультимодальной основы, но не дообучались и не оценивались.

В сравнении с базовой моделью README сообщает о близком результате на MMLU и улучшении на ARC-Challenge. Известные ограничения: ответы обычно короче, чем у основы, длинные цепочки рассуждений могут обрываться, а жадное декодирование при длинной генерации может приводить к повторениям. Для работы нужны актуальная версия Transformers с поддержкой Qwen3.6 и CUDA-совместимые ядра Gated DeltaNet; веса выпущены под лицензией Apache-2.0.

Сценарии применения

  • решение математических задач с пошаговыми рассуждениями
  • генерация и объяснение программного кода
  • ответы на вопросы и выполнение инструкций в диалоге
  • вызов инструментов в агентных сценариях
  • решение задач на общие рассуждения

Ограничения

Модель обучалась на примерах длиной 8 192 токена и может выдавать более короткие ответы и обрывать длинные цепочки рассуждений; длинные генерации при жадном декодировании могут повторяться. Зрительные возможности базовой модели не дообучались и не оценивались.

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

Qwen3.8-35B-A3B

Developed by Empero

[!Note] This repository contains model weights and configuration files in the Hugging Face Transformers format.

These artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, and other standard runtimes with Qwen3.6 architecture support.

Qwen3.8-35B-A3B is a distillation of the Qwen3.8 frontier models into the Qwen3.6-35B-A3B Mixture-of-Experts architecture. The student was trained on curated teacher traces from our internal Qwen3.8 distillation datasets — dense chain-of-thought spanning mathematics, code, general reasoning, instruction following, and tool use, quality-filtered before training.

The objective: bring the reasoning behavior of frontier-scale teachers into a sparse 35B that activates only 3B parameters per token and deploys on a single GPU.

Highlights

  • Distilled chain-of-thought — every answer opens with a <think> block learned directly from Qwen3.8 teacher traces rather than synthetic self-generated reasoning.
  • Mathematics and code emphasis — the trace mix is deliberately weighted toward hard math and competitive programming, the domains where distillation moves the needle most at this scale.
  • Sparse MoE efficiency — 35B total parameters, ~3B active per token; 256 experts with 8 routed per token.
  • Attention and experts both adapted — our internal MoE training pipeline updates the attention path and the routed and shared expert stacks, not just attention.
  • Native function calling per Qwen3.6's specification — no wrapper or tool-specific fine-tune required.
  • 262,144-token native context, inherited from the Qwen3.6 base.

Model Overview

  • Type: Causal Language Model (text path of a vision-language base)
  • Base: Qwen/Qwen3.6-35B-A3B
  • Number of Parameters: 35B total / ~3B active per token
  • Architecture: 40 layers, 256 experts, 8 experts per token, hybrid linear + full attention
  • Training: SFT (off-policy distillation) on curated teacher traces via our internal MoE training pipeline
  • Teachers: Qwen3.8 2.4T A95B and Qwen3.8 Flash Next (internal distillation datasets)
  • Context Length: 262,144 natively

Benchmark Results

Measured with lm-evaluation-harness, HF backend, bfloat16, identical settings and seed for base and student. Zero-shot, loglikelihood scoring.

TaskMetricQwen3.6-35B-A3B (base)Qwen3.8-35B-A3BΔ
MMLU (57 subjects)acc0.8380.834−0.004
ARC-Challengeacc0.5480.582+0.034
ARC-Challengeacc_norm0.5480.591+0.044
ARC-Easyacc0.8190.830+0.011
ARC-Easyacc_norm0.7170.766+0.048

The MMLU difference is within noise (standard error 0.003 on each measurement). The ARC gains are outside it.

Quickstart

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "empero-ai/Qwen3.8-35B-A3B-Distilled"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype=torch.bfloat16, device_map="auto")

messages = [{"role": "user", "content": "A snail is at the bottom of a 10-meter well. Each day it climbs 3 meters, each night it slips back 2. How many days until it escapes?"}]
inputs = tok.apply_chat_template(messages, add_generation_prompt=True,
                                 return_tensors="pt", return_dict=True).to(model.device)

out = model.generate(**inputs, max_new_tokens=16384,
                     temperature=0.6, top_p=0.95, top_k=20, do_sample=True)
print(tok.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))

A recent transformers release with Qwen3.6 support is required, along with the Gated DeltaNet kernels (flash-linear-attention and a CUDA-matched causal_conv1d build) — without them the linear-attention layers fall back to slow, memory-hungry PyTorch ops.

AutoModelForCausalLM loads the text path (34.7B parameters). The vision tower is retained in the checkpoint and is reachable via AutoModelForImageTextToText.

Best Practices

  • Sampling: temperature=0.6, top_p=0.95, top_k=20. Greedy decoding on long generations is a known repetition-loop failure mode for reasoning models in this class.
  • Output length: allow generous max_new_tokens (16,384 recommended); every answer opens with a <think> block. Parse and strip the <think>...</think> span for end users.
  • Scope: the model learned from teacher traces, not from its own rollouts — it inherits the teachers' reasoning style, including occasional over-long deliberation on easy questions.

Limitations

  • Shorter responses. The student was trained on 8,192-token examples and produces noticeably shorter outputs than the base. Long chains of thought are more likely to be cut short, so behaviour on long-form generation and long-context workloads may be degraded relative to the base.
  • A v2 is in training with longer-context support, aimed squarely at the point above.
  • Vision is untouched. The fine-tune is text-only; vision behaviour is inherited from the base and was not evaluated.

Stay in the loop

Sign up for the Empero newsletter at empero.org for releases, evals, and research notes.

Support / Donate

If this model helped you, consider supporting the project:

  • BTC: bc1qx6zepu6sfkvshgdmc4ewu6pk6rpadvpgffpp7v
  • LTC: ltc1qv2mefzps2vtjcpwfx8xxdrpplrcvltswm68r7x

Provenance & licensing

Weights are released under Apache-2.0, inherited from the Qwen3.6-35B-A3B base. Shared for research and experimentation, as-is.

Acknowledgements

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
bcc2dbe

0 моделей