/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
3 сен 2026

Ссылки

Hugging Face

Qwen3-1.7B-reas-int-065-3-epochs-en

ferrazzipietro
Генерация текстаТекст → текст4 профессии

Дообученная многоязычная модель Qwen3 с 1,7 млрд параметров для генерации текста и диалогов.

142скачиваний за 30 дней0лайковвеса обновлены3 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.

Открыть конструктор бенчмарка

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

Qwen3-1.7B-reas-int-065-3-epochs-en — дообученная версия компактной многоязычной модели Qwen3-1.7B от Qwen. Модель содержит 1,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и предназначена для генерации текста и диалогов. В названии заявлена настройка на рассуждения, однако README не раскрывает обучающий набор данных, методику и результаты, поэтому специализацию и качество рассуждений подтвердить нельзя.

Модель принимает текст и выдаёт текст; заявленная длина контекста — 40 960 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README не описывает ограничения и результаты оценки; качество ответов и пригодность для конкретных задач требуют проверки.

Сценарии применения

  • ведение текстового диалога
  • генерация ответов на инструкции
  • создание и продолжение текста
  • эксперименты с компактной моделью для рассуждений

Ограничения

README не описывает обучающие данные и результаты оценки, поэтому заявленную в названии настройку на рассуждения нельзя подтвердить. Фактическое качество и пригодность для конкретных задач требуют проверки.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-1.7B-reas-int-065-3-epochs-en

This model is a fine-tuned version of Qwen/Qwen3-1.7B on an unknown dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-06
  • train_batch_size: 4
  • eval_batch_size: 256
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.95) and epsilon=1e-12 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Framework versions

  • Transformers 4.57.0
  • Pytorch 2.14.0+cu130
  • Datasets 5.0.1
  • Tokenizers 0.22.2

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
b9020ac

0 моделей

    Создать бенчмарк