/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,9 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe_text · MoE
Базовая модель
Qwen3.5-35B-A3B-Base
Библиотека
transformers
Опубликована
5 авг 2026

Qwen3.5-35B-A3B-Base-Kazakh

Генерация текстаТекст → текст4 профессии

Базовая MoE-модель Qwen, продолженно предобученная для более качественной генерации текста на казахском с сохранением поддержки английского.

42скачиваний за 30 дней0лайковвеса обновлены19 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

Qwen3.5-35B-A3B-Base-Kazakh — базовая языковая модель, адаптированная Исследовательским институтом искусственного интеллекта Казахстана (ISSAI) продолженным предобучением исходной Qwen/Qwen3.5-35B-A3B-Base. Архитектура — разреженная MoE-модель для генерации текста; в метаданных указано 2,9 млрд параметров и контекст до 262 144 токенов. Модель расширяет токенизатор на 16 тысяч казахских токенов и обучена на корпусе примерно из 15,9 млрд токенов с равной долей казахского и английского текста.

Модель предназначена для генерации текста на казахском и английском языках, особенно для задач, где важны казахская беглость и знания при сохранении возможностей исходной модели на английском. В корпус также включены материалы по математике, энциклопедические и культурные данные, вопросы и ответы, а также код, однако README не заявляет специализированные гарантии для этих задач. Это базовая модель, предоставленная в формате safetensors для Transformers; лицензия — Apache-2.0. Для диалогового применения может потребоваться дополнительная настройка, поскольку карточка описывает продолженное предобучение, а не отдельное обучение инструкциям.

Сценарии применения

  • генерация текстов на казахском языке
  • продолжение и дополнение казахского текста
  • генерация текстов на английском языке
  • адаптация базовой модели для казахоязычных приложений

Ограничения

Модель прошла продолженное предобучение, но карточка не заявляет отдельного обучения инструкциям или гарантий диалогового качества. Оценки качества и результаты бенчмарков в предоставленных данных не приведены.

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

Qwen3.5-35B-A3B-Base-Kazakh

Kazakh-adapted continued-pretraining (CPT) of Qwen/Qwen3.5-35B-A3B-Base.

It extends the original Qwen3.5 base with 16K new Kazakh tokens and continues pretraining on a large Kazakh + English corpus, to improve Kazakh fluency and knowledge while retaining the original English capabilities.

Training details

  • Tokenizer extension (+16K). The Qwen3.5 tokenizer (248,320) was extended with 16,000 new, predominantly Cyrillic-Kazakh tokens → 264,192 total. New embedding rows were initialized with FVT (Fast Vocabulary Transfer): each new row is the unweighted mean of its constituent original sub-token embeddings, giving the model a warm start on the new vocabulary. Applied under untied embeddings (FVT applied to both the input embeddings and the separate lm_head).
  • Continued pretraining. Full-parameter CPT for one epoch at sequence length 16,384, learning rate 1e-5 (cosine → 1e-6, 2% warmup), weight decay 0.1, gradient clip 1.0, on 2× 8×H100. This is a Mixture-of-Experts model (256 experts, top-8 routed + 1 shared, ~3B active params); the router load-balancing auxiliary loss was preserved during CPT so expert usage stays balanced.

Data

~15.9B new tokenizer tokens total with a 50/50 Kazakh:English mix. The Kazakh half is a cross-source deduplicated corpus (FineWeb-2, CulturaX, FinePDFs, FineWiki). The English half is a replay mix for retention (FineWeb-Edu web, Nemotron-CC math + wiki-rewrite, Stack-Edu code). Additional curated Kazakh sets (cultural/QA/encyclopedic) were folded in and upsampled 3×.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

name = "issai/Qwen3.5-35B-A3B-Base-Kazakh"
tokenizer = AutoTokenizer.from_pretrained(name)
model = AutoModelForCausalLM.from_pretrained(name, torch_dtype="bfloat16", device_map="auto")

prompt = "Сұрақ: Үстірт қорығы қай облыста орналасқан?\nЖауап:"

ids = tokenizer(prompt, return_tensors="pt").to(model.device)

print(tokenizer.decode(model.generate(**ids, max_new_tokens=100)[0][ids.input_ids.shape[1]:]))

Requires a recent transformers with Qwen3.5 support (the release that ships Qwen3.5-MoE, >=5.12).

License & attribution

Continued-pretrained from Qwen/Qwen3.5-35B-A3B-Base; the original Qwen3.5 weights and their Apache-2.0 license apply.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
fe63806

0 моделей