/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8 ГБ
Архитектура
qwen3 · dense
Базовая модель
FastContext-1.0-4B-SFT
Библиотека
transformers
Опубликована
20 июн 2026

FastContext-4B-SFT_base-SFT-Claude-Opus-Reasoning-Unsloth

Генерация текстаТекст → текст11 профессий

Дообученная на данных дистилляции рассуждений Qwen3-модель для диалоговой генерации текста и следования инструкциям с длинным контекстом.

23скачиваний за 30 дней1лайквеса обновлены5 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.

  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

Модель ermiaazarkhalili/FastContext-4B-SFT_base-SFT-Claude-Opus-Reasoning-Unsloth — дообученная версия microsoft/FastContext-1.0-4B-SFT, разработанная ermiaazarkhalili. Это плотная авторегрессионная языковая модель семейства Qwen3 с архитектурой Qwen3ForCausalLM, примерно 3,7 млрд параметров и контекстом до 262 144 токенов. Модель предназначена для генерации текста в диалогах и выполнения инструкций; дообучение проведено методом SFT на данных дистилляции рассуждений Claude. Она поддерживает интерфейс вызова инструментов.

Карточка приводит только наблюдения обучающей потери и сообщает, что оценка на прикладных бенчмарках не проводилась. Поведение вне распределения единственного набора инструкций не проверено; модель наследует смещения и ограничения базовой модели. LoRA-адаптеры слиты с весами, поэтому отделить результат дообучения нельзя. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоге
  • выполнение текстовых инструкций
  • генерация объяснений и рассуждений
  • подготовка ответов с использованием вызова инструментов

Ограничения

Прикладная оценка на бенчмарках не проводилась; поведение за пределами обучающего набора инструкций не проверено. Модель наследует смещения и ограничения базовой модели, а слитые LoRA-адаптеры нельзя отделить.

Для каких профессий подходит11

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

FastContext-4B-SFT_base-SFT-Claude-Opus-Reasoning-Unsloth

A LoRA fine-tune of microsoft/FastContext-1.0-4B-SFT, supervised fine-tuned on ermiaazarkhalili/claude-reasoning-distillation (private) (config sft).

Base modelmicrosoft/FastContext-1.0-4B-SFT
ArchitectureQwen3ForCausalLM
Parameters4.0B
Training dataermiaazarkhalili/claude-reasoning-distillation (private) (config sft)
MethodLoRA supervised fine-tuning via Unsloth + TRL

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "ermiaazarkhalili/FastContext-4B-SFT_base-SFT-Claude-Opus-Reasoning-Unsloth"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype='auto', device_map='auto')

messages = [{"role": "user", "content": "Explain gradient checkpointing in two sentences."}]
inputs = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True, return_tensors='pt'
).to(model.device)

outputs = model.generate(inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Training configuration

SettingValue
LoRA rank (r)16
LoRA alpha16
Learning rate0.0002
Epochs1
Effective batch size8 (2 x 4 grad accum)
Max sequence length2048
Base precision4-bit (QLoRA)
Target modulesq_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj

Observed training loss

Measured from our SLURM logs for this configuration. These are training-loss observations only — no downstream benchmark evaluation has been run on this model, so they should not be read as a quality claim.

SLURM jobStepsFirst lossFinal loss
451691471,3101.78440.7491

Limitations

  • No benchmark evaluation has been run on this checkpoint. The only reported numbers are training-loss observations.
  • Inherits the biases, knowledge cutoff and failure modes of the base model.
  • Fine-tuned on a single instruction-following dataset; behaviour outside that distribution is untested.
  • LoRA adapters were merged into the base weights, so the merged model cannot be detached from this fine-tune.

Reproducing

Trained by notebooks/sft_distillation_fastcontext-4b-sft_unsloth.ipynb, executed non-interactively with papermill on a SLURM H100 partition (Unsloth + TRL, LoRA).


Card generated from the training run's own configuration and logs by scripts/generate_hub_model_card.py.

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
5596c48

0 моделей