/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
6 авг 2026

Qwen3-8B-SFT-Fable5

Генерация текстаТекст → текст5 профессий

Дообученная на инструкционном датасете Qwen3-8B для диалоговой генерации текста.

34скачиваний за 30 дней1лайквеса обновлены6 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

Qwen3-8B-SFT-Fable5 — дообученная модель на архитектуре Qwen3ForCausalLM, созданная на базе unsloth/Qwen3-8B автором ermiaazarkhalili. Модель прошла supervised fine-tuning на датасете ermiaazarkhalili/Fable-5-Complete-2M-Clean для генерации текста и диалогов. LoRA-адаптеры объединены с базовыми весами.

Модель содержит 7,6 млрд параметров по метаданным Hugging Face и рассчитана на контекст до 40 960 токенов. Поддерживает текстовый ввод и генерацию текста; карточка также отмечает интерфейсы чата и вызова инструментов. Языки, на которые она специально рассчитана, не указаны.

Качество на внешних задачах не оценивалось: опубликованы только наблюдения за обучающей функцией потерь. Поведение за пределами обучающего датасета не проверено; модель наследует ограничения, смещения и ошибки базовой Qwen3-8B. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание текстов по инструкциям
  • прототипирование чат-бота на базе Qwen3
  • вызов инструментов через диалоговый интерфейс

Ограничения

Внешние бенчмарки не проводились, а поведение вне обучающего датасета не проверено. Модель наследует смещения и ошибки базовой модели.

Для каких профессий подходит5

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

Qwen3-8B-SFT-Fable5

A LoRA fine-tune of unsloth/Qwen3-8B, supervised fine-tuned on ermiaazarkhalili/Fable-5-Complete-2M-Clean (private).

Base modelunsloth/Qwen3-8B
ArchitectureQwen3ForCausalLM
Parameters8.2B
Training dataermiaazarkhalili/Fable-5-Complete-2M-Clean (private)
MethodLoRA supervised fine-tuning via Unsloth + TRL
Licenseapache-2.0 (inherited from the base model)

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "ermiaazarkhalili/Qwen3-8B-SFT-Fable5"
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
Epochs2
Effective batch size8 (1 x 8 grad accum)
Max sequence length4096
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
5321354894,2540.95210.7824

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/fable_distillation_qwen3-8b_fable_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
969fab7

0 моделей