/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
390 млн
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-0.5B
Библиотека
vllm
Опубликована
28 июл 2026

fast-code-pruner

Разметка токеновТекст → label3 профессии

Fast Code Pruner классифицирует токены кода и контекста, чтобы сокращать вход coding-агентов, сохраняя наиболее полезную информацию.

19скачиваний за 30 дней0лайковвеса обновлены11 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Fast Code Pruner — модель классификации токенов для сокращения контекста в инструментах программирования и coding-агентах. Она дообучена irotem98 на базе Qwen/Qwen2.5-Coder-0.5B и использует архитектуру Qwen2 с плотными весами; в README указаны 17 слоёв, 389,6 млн параметров и контекст до 32 768 токенов. Модель оценивает токены кода и контекста, помогая отбирать полезные фрагменты для дальнейшей обработки агентом.

Для развёртывания предусмотрен путь обслуживания через vLLM. README сообщает точность 85,94% и F1 82,48% на валидационном наборе из 6 119 примеров, а также высокую пропускную способность в тестах на RTX PRO 6000 Blackwell. Входы длиннее 8 192 токенов автоматически разбиваются на перекрывающиеся фрагменты. Модель обучалась с hard labels без дистилляции; обновления LoRA ранга 8 объединены с плотными весами. Лицензия — MIT.

Сценарии применения

  • сокращение контекста перед передачей запроса coding-агенту
  • отбор релевантных фрагментов кода из длинного контекста
  • уменьшение числа токенов в запросах к языковой модели для программирования

Ограничения

Опубликованные показатели получены на фиксированном валидационном наборе из 6 119 примеров; качество на других данных может отличаться. Для входов длиннее 8 192 токенов применяется разбиение с перекрытием, а prefix caching отключён из-за архитектуры fusion head.

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

Fast Code Pruner

Task-aware context pruning for coding agents with a 17-layer Qwen2.5-Coder-0.5B backbone and a native vLLM serving path.

GitHub repository · Original SWE-Pruner

Validation quality

Evaluation uses the fixed 6,119-example seed-43 validation split.

ModelAccuracy ↑Precision ↑Recall ↑F1 ↑
fast-code-pruner85.94%81.49%83.49%82.48%
code-pruner84.07%80.02%80.91%80.46%

Architecture

Original Code-Pruner                         Fast Code Pruner

Qwen3 layers 1–28                           Qwen2.5-Coder layers 1–17
frozen backbone                             frozen weights + rank-8 LoRA
          │                                           │
hidden layers 7 + 14 + 28                   normalized hidden layer 17
3 × 1024 → concatenate 3072                 896 → gated PolyNorm → 2432
          │                                           │
1× bidirectional full attention             1× bidirectional full attention
8 heads, width 3072                         16 heads, width 2432
          │                                           │
CRF emissions: 3072 → 256 → 2               CRF emissions: 2432 → 128 → 2

Fast Code Pruner uses only the normalized final-layer representation and physically skips the three removed attention branches. Rank-8 LoRA updates are merged into dense weights during export. Prefix caching is disabled because the bidirectional fusion head requires the complete input.

Serving

Install the native vLLM package directly from this model repository:

pip install \
  "fast-code-pruner[vllm] @ https://huggingface.co/irotem98/fast-code-pruner/resolve/main/package/fast_code_pruner-0.1.0-py3-none-any.whl"
fast-code-pruner serve

Inputs longer than 8,192 tokens are split with overlap and merged automatically.

Serving performance

ModelBackendConcurrency 1 ↑Concurrency 16 ↑
fast-code-prunervLLM 0.27.085.0 req/s214.4 req/s
fast-code-prunerHugging Face16.01 req/s16.03 req/s
code-prunerHugging Face9.83 req/s10.03 req/s

The vLLM results are medians of three 1,000-request end-to-end HTTP runs over the same 100 validation examples on one NVIDIA RTX PRO 6000 Blackwell Server Edition. Prefix caching was disabled. Median model-input throughput was 56.1k tokens/s at concurrency 1 and 101.8k tokens/s at concurrency 16. fast-code-pruner Hugging Face results are medians of three 100-request runs with an 8,192-token model length, matching the serialized legacy endpoint. The original code-pruner row uses its Hugging Face backend benchmark.

Training

The public repository includes a lightweight, hard-label launcher matching the released architecture:

bash train/train_fast_code_pruner.sh

It contains no teacher-target generation or knowledge-distillation stage.

Attribution

This model builds on SWE-Pruner and Qwen2.5-Coder-0.5B.

@misc{wang2026sweprunerselfadaptivecontextpruning,
  title={SWE-Pruner: Self-Adaptive Context Pruning for Coding Agents},
  author={Yuhang Wang and Yuling Shi and Mo Yang and Rongrui Zhang and
          Shilin He and Heng Lian and Yuting Chen and Siyu Ye and Kai Cai and
          Xiaodong Gu},
  year={2026},
  eprint={2601.16746},
  archivePrefix={arXiv},
  primaryClass={cs.SE}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
SwePrunerVllmForTokenClassification
Ревизия весов
ed292d7

0 моделей