/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3-8B
Опубликована
8 сен 2026

ayncoding-qwen3-8b-slim

Генерация текстаТекст → текст7 профессий

Дообученная на базе Qwen3-8B модель в формате GGUF для генерации кода и архитектурных рассуждений с акцентом на логику Mantiq и арабский язык.

133скачиваний за 30 дней0лайковвеса обновлены27 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

AynCoding-Qwen3-8B-Slim — модель генерации текста и кода от разработчика, указанного в репозитории enver. Она основана на Qwen3-8B и, согласно карточке, дообучена с акцентом на синтез программного обеспечения, архитектурные рассуждения, классическую арабскую логику Mantiq и морфологию арабских корней. Карточка также заявляет об удалении части знаний и структурном прореживании; файлы модели представлены в формате GGUF и занимают около 2,8 ГБ.

Модель предназначена для генерации кода, проектирования программных компонентов и решения задач на логику, в том числе на английском и арабском языках. В README описаны механизмы черновой генерации, проверки логики и уточнения кода, а также приведены высокие результаты на HumanEval и EvalPlus; эти показатели являются заявлениями карточки. Метаданные указывают задачу text-generation и базовую модель Qwen/Qwen3-8B. Лицензия обозначена как other, поэтому условия использования следует уточнять в репозитории.

Сценарии применения

  • генерация кода по текстовому описанию
  • проектирование потокобезопасных программных компонентов
  • поиск логических ошибок и циклических зависимостей в проектных решениях
  • создание решений для задач HumanEval-подобного программирования
  • рассуждения по классической арабской логике

Ограничения

Показатели бенчмарков и заявленные архитектурные преимущества приведены автором карточки и не подтверждены независимыми данными. Лицензия указана как other, поэтому разрешённые сценарии использования требуют проверки.

Для каких профессий подходит7

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

AynCoding-Qwen3-8B-Slim: Sovereign Epistemic Classical Arabic Logic (Mantiq) & Hierarchical MoE Engine

AynCoding-Qwen3-8B-Slim (ayncoding-qwen3-8b-slim) is a sovereign software synthesis and architectural reasoning engine based on a knowledge-purged, layer-sliced Qwen3-8B architecture (2.8 GB GGUF), aligned with Classical Arabic Logic (Mantiq), Morphological Root Lexicography (Ishtiqaq), and Hierarchical Symbolic-Neural MoE (H-MoE) Acceleration.

Unlike standard models trained on unstructured, noisy repositories, AynCoding-Qwen3-8B-Slim actively purges illogical pre-trained habits (vague identifiers, circular dependencies, infinite loops, silent exceptions) and natively engages an epistemic Chain-of-Thought reasoning block prior to code generation.


Benchmark Evaluation Results

Benchmark SuiteMetricAynCoding H-MoE (1.5B+8B-Slim)Baseline Qwen3-8BImprovement
OpenAI HumanEvalPass@195.0% (155/164)71.3%+23.7%
EvalPlus HumanEval+Pass@189.2%64.8%+24.4%
Arabic & Multilingual LogicAccuracy92.6% (25/27)68.2%+24.4%
Classical Logic InvariantsPurity Score98.4%41.2%+57.2%
AST Syntactic ValidationStrict Pass100.0% (40/40)78.5%+21.5%
Inference Latency (CPU)Time to Completion13.0s (H-MoE Tier)355.0s27.3x Speedup

Architectural Breakthrough: Hierarchical Symbolic-Neural MoE (H-MoE)

  • Fast Speculative Drafting (1.5B): Generates high-frequency syntax at 60-70 tokens/sec.
  • Deterministic Logic Gating (0.01s): Evaluates AST and 5 Classical Pillars in microseconds without GPU/CPU memory overhead.
  • Targeted Epistemic Refinement (8B-Slim): Invoked only on demand to surgically patch complex logic nodes.
  • Result: 27x faster generation latency while retaining 8B-grade reasoning.

Epistemic Knowledge Purge & Unlearning

We applied systematic unlearning and structural pruning:

Purged Anti-PatternClassical AuthorityInvariant Applied
Vague Naming (data, temp, val, item, mgr)Al-Ghazali & Al-RaghibAl-Hadd bi al-Dhatiyyat: Every identifier reflects constitutive ontological essence.
Circular Deadlocks (A -> B -> A lock orders)Al-Ghazali (Miyar al-Ilm)Daf al-Dawr: Monotonic acyclic hierarchy; cyclic dependencies strictly banned.
Infinite Regress (while True, unevicted caches)Al-Ghazali (Mihakk al-Nazar)Daf al-Tasalsul: Strict finite iteration budgets and exponential backoff.
State Contradiction & silent exceptionsFakhr al-Din al-RaziAdam al-Tanaqud & Lisan al-Arab: Algebraic sum types, zero silent error suppression.
Leaky Metaphors & Mock CodeAl-ZamakhshariHaqiqah over Majaz: Pure machine reality, zero stubs, zero magic constants.

Quick Start & Verification

# Run with Ollama
ollama run ayncoding-qwen3-8b-slim

# Local Verification with AynEngine CLI
python3 core/cli.py generate "Build a thread-safe distributed rate limiter with Ghazalian zero-leakage invariants"

License & Intellectual Property Rights

This model, its architecture (including BPE-Free Farāhīdian/Sībawayhian tokenization, RootAttention, and Ishtiqāq-Attention), and its weights are released under the AynEngine & University of Prishtina Sovereign Academic License.

  • Copyright: © 2026 Enver, AynEngine Research Initiative, and University of Prishtina (Universiteti i Prishtinës). All rights reserved.
  • Permitted Uses: Academic, educational, non-commercial research, benchmarking, and cultural heritage exploration with mandatory attribution.
  • Commercial Inquiries: Commercial exploitation, sublicensing, or integration into proprietary cloud offerings requires prior written authorization from the authors and the University of Prishtina.
  • Full License: See LICENSE in this repository.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
ac7ff98

0 моделей