/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
783 млн
Лицензия
MIT
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-30B-A3B
Библиотека
transformers
Опубликована
24 мая 2026

Qwen3-1.6B-A0.9B

Генерация текстаТекст → текст3 профессии

Тестовая компактная MoE-модель на базе Qwen3 для экспериментов и проверки генерации текстовых продолжений.

12 113скачиваний за 30 дней3лайкавеса обновлены24 мая 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

Qwen3-1.6B-A0.9B — небольшая тестовая MoE-модель для генерации текста, созданная разработчиком inference-optimization на основе конфигурации Qwen/Qwen3-30B-A3B. В README указаны 1,57 млрд параметров и около 0,9 млрд активируемых параметров; метаданные Hugging Face указывают 783 млн параметров. Архитектура — Qwen3 MoE с GQA, 10 слоями и 16 экспертами, из которых 8 активируются на токен. Контекст — 40 960 токенов.

Модель предназначена для тестирования и разработки, а также для экспериментов с генерацией продолжений текста. Она была инициализирована случайными весами и дообучена на небольшом наборе интернет-копипаст; приведённый пример демонстрирует связное продолжение известной фразы. README сообщает о perplexity около 1,0 на валидационном тексте, но не приводит независимой оценки качества.

Модель принимает и генерирует текст. В метаданных указана лицензия MIT. README прямо ограничивает назначение тестированием и разработкой, поэтому модель не следует считать пригодной для производственного применения.

Сценарии применения

  • проверка запуска генерации текста в Transformers
  • эксперименты с компактной архитектурой Qwen3 MoE
  • тестирование совместимости с форматом чекпойнтов Qwen3
  • генерация продолжений коротких текстов для разработки

Ограничения

Модель предназначена только для тестирования и разработки; она обучена на небольшом наборе копипаст, поэтому её качество и обобщение ограничены. README и метаданные приводят разные значения общего числа параметров: 1,57 млрд и 783 млн соответственно.

Для каких профессий подходит3

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

Qwen3-1.6B-A0.9B

This is a tiny version of Qwen/Qwen3-30B-A3B created for testing and development.

Model Details

  • Base Model: Qwen/Qwen3-30B-A3B
  • Architecture: qwen3_moe (Mixture of Experts)
  • Total Parameters: 1.57B
  • Activated Parameters: ~0.9B (50% MoE activation)

Configuration Changes

The following parameters were reduced from the original model:

ParameterOriginalTiny
num_hidden_layers4810
num_local_experts12816
num_experts_per_tok88
hidden_size20482048
intermediate_size61446144
moe_intermediate_size768768
num_attention_heads3232
num_key_value_heads44

Checkpoint Structure

The checkpoint is stored as a single model.safetensors file with individual expert weights matching the original Qwen3 structure. Each layer has 16 experts with separate gate_proj, up_proj, and down_proj weights per expert.

Validation

The model was fine-tuned on a toy copypasta dataset and achieves:

  • Perplexity: 1.0 (on validation text)
  • Generation: Successfully generates coherent continuations

Example generation:

Input: "According to all known laws"
Output: "According to all known laws of aviation, there is no way a bee should be able to fly."

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("inference-optimization/Qwen3-1.6B-A0.9B", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("inference-optimization/Qwen3-1.6B-A0.9B")

input_ids = tokenizer("According to all known laws", return_tensors="pt").input_ids.to(model.device)
output = model.generate(input_ids, max_new_tokens=20)
print(tokenizer.decode(output[0]))

Creation Process

This model was created using the llm-compressor create-tiny-model Claude skill:

  1. Configuration: Created with 10 layers and 16 experts (8 activated per token) to achieve ~1.6B total parameters with 50% MoE activation
  2. Initialization: Randomly initialized weights using transformers init_weights()
  3. Fine-tuning: Trained on famous internet copypastas until perplexity < 3.0
  4. Checkpoint Conversion: Converted from batched expert format to individual expert format to match original Qwen3 checkpoint structure
  5. Validation: Confirmed perplexity ~1.0 and successful text generation

Notes

  • This model maintains the same MoE architecture as the original with Grouped Query Attention (GQA)
  • The checkpoint format exactly matches the original Qwen3-30B-A3B structure for compatibility
  • This model is intended for testing and development only, not production use

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
0b34174

0 моделей