/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
VibeThinker-3B
Библиотека
transformers
Опубликована
20 июн 2026

VibeThinker-3B-SFT-Claude-Opus-Reasoning-Unsloth

Генерация текстаТекст → текст4 профессии

Дообученная на дистилляции рассуждений модель Qwen2 на 3,1 млрд параметров для генерации диалогового текста и решения задач STEM, математики и программирования.

45скачиваний за 30 дней2лайкавеса 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

VibeThinker-3B-SFT-Claude-Opus-Reasoning-Unsloth — языковая модель на 3,1 млрд параметров, разработанная ermiaazarkhalili как дообучение WeiboAI/VibeThinker-3B. Модель построена на архитектуре Qwen2ForCausalLM и предназначена для генерации текста в диалоге и решения задач, требующих рассуждений; карточка указывает на обучение с учителем на наборе данных с дистилляцией рассуждений Claude, доступ к которому закрыт.

Модель подходит для экспериментов с пошаговыми ответами и instruction-following в задачах STEM, математики и программирования, которые поддерживает базовая модель. Метаданные указывают контекст до 131 072 токенов и интерфейс tool calling. Лицензия — MIT.

Качество на downstream-бенчмарках не оценивалось: опубликованы только наблюдения за обучающей функцией потерь. Поведение вне распределения единственного обучающего набора не проверено; модель наследует смещения и ограничения базовой модели. LoRA-адаптеры объединены с базовыми весами и отдельно не извлекаются.

Сценарии применения

  • получение развернутых ответов на математические задачи
  • помощь в решении задач по STEM
  • генерация и объяснение решений задач по программированию
  • проверка диалоговых сценариев с пошаговыми рассуждениями

Ограничения

Downstream-бенчмарки не проводились, а качество подтверждено только наблюдениями за обучающей функцией потерь. Поведение вне данных дообучения не проверено; LoRA-адаптеры объединены с базовыми весами и не могут быть отделены.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VibeThinker-3B-SFT-Claude-Opus-Reasoning-Unsloth

A LoRA fine-tune of WeiboAI/VibeThinker-3B, supervised fine-tuned on ermiaazarkhalili/claude-reasoning-distillation (private) (config sft).

Base modelWeiboAI/VibeThinker-3B
ArchitectureQwen2ForCausalLM
Parameters3.1B
Training dataermiaazarkhalili/claude-reasoning-distillation (private) (config sft)
MethodLoRA supervised fine-tuning via Unsloth + TRL
Licensemit (inherited from the base model)

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "ermiaazarkhalili/VibeThinker-3B-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
451691451,3103.96371.0739

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_vibethinker-3b_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
Qwen2ForCausalLM
Ревизия весов
4c8600c

0 моделей