/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B-Base
Библиотека
transformers
Опубликована
10 сен 2026

Qwen3-8b-qwen-h100-20260909-CPT-merged-step-750

Генерация текстаТекст → текст8 профессий

Объединённая BF16-модель Qwen3-8B для генерации текста и диалоговых сценариев.

109скачиваний за 30 дней0лайковвеса обновлены10 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

Это самостоятельный чекпойнт генерации текста на архитектуре Qwen3, подготовленный автором репозитория ganscs на основе Qwen/Qwen3-8B-Base. Веса обученного LoRA-адаптера и обученные веса входных и выходных слоёв объединены с базовой моделью в формате BF16; для загрузки через Transformers отдельный PEFT-адаптер не нужен. Модель содержит 7,6 млрд параметров и поддерживает контекст до 32 768 токенов.

Чекпойнт предназначен для продолжения предобучения и генерации текста в том числе в диалоговом режиме. В обучении использовался 4-битный вариант базовой модели, а готовый экспорт объединён с BF16-версией базы. Указанная в карточке ошибка валидации относится к исходному обучающему чекпойнту и не является новой оценкой качества этого экспорта. Проверка загрузки и генерации описана автором как smoke test. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжений текста
  • ответы на сообщения в диалоге
  • создание черновиков и текстовых вариантов
  • адаптация языковой модели под дополнительное обучение

Ограничения

README не приводит отдельной независимой оценки качества BF16-экспорта: указанная ошибка валидации относится к исходному обучающему чекпойнту. Карточка подтверждает лишь загрузку модели и короткую пробную генерацию.

Для каких профессий подходит8

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-qwen-h100-20260909-CPT-merged-step-750

Standalone BF16 model combining Qwen/Qwen3-8B-Base with the trained LoRA adapter and full embedding/output weights from checkpoint 750. Load this repository directly with Transformers; a separate PEFT adapter is not required.

Provenance

  • Base revision: 49e3418fbbbca6ecbdf9608b4d22e5a407081db4.
  • Adapter repository revision: 1586e45fc7c3f7d5e601dc454ba7e15884a2f1df.
  • Selected step: 750, the best validation checkpoint in this training run.
  • Source checkpoint training-time validation loss: 1.2268945.
  • rsLoRA rank 128, alpha 64.
  • The fully trained embed_tokens and lm_head weights replace the original endpoints.
  • The output uses the checkpoint tokenizer and the original base architecture/configuration.

Adapters were trained with a 4-bit base. This export merges them into the original BF16 base revision using PEFT's safe merge operation. The training-time validation score above is not a new evaluation of this BF16 export.

Validation

Every adapter tensor was consumed; all output tensors are finite and match the Transformers architecture's names and shapes. The model loaded locally without PEFT adapters and produced finite logits and a short greedy generation. merge_manifest.json records source hashes, merge details and output checksums; validation.json records the smoke test. training_manifest.json preserves the source experiment settings. This is a weights-only export, without optimizer state.

Load

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "ganscs/Qwen3-8b-qwen-h100-20260909-CPT-merged-step-750"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, dtype=torch.bfloat16, device_map="auto"
)

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
70b35ca

0 моделей