/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,6 млрд
Размер весов
200 ГБ
Лицензия
Apache 2.0
Архитектура
qwen4_exp_text · MoE
Базовая модель
slimder-qwen38-reap384-depth32-mb2-3-4-5
Опубликована
1 сен 2026

slimder-qwen38-ream288-depth32-agentic

Генерация текстаТекст → текст8 профессий

SLIMDER Qwen3.8 Depth-32 Agentic REAM-288 — экспериментальная модель семейства Qwen, опубликованная пользователем jakeatx.

368скачиваний за 30 дней1лайквеса 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

Она создана на основе sjakek/slimder-qwen38-reap384-depth32-mb2-3-4-5 и предназначена для генерации текста, особенно для агентных сценариев: вызова инструментов, программирования и выполнения кода, retrieval-задач и многошагового рассуждения.

Модель использует архитектуру Mixture-of-Experts с 32 трансформерными слоями, 288 маршрутизируемыми экспертами на слой и выбором 10 экспертов для каждого токена. Это результат структурного сжатия с 384 до 288 экспертных слотов в каждом слое. Применена точность BF16. Калибровка выполнена на 1 024 последовательностях длиной 512 токенов с повышенным весом агентных, кодовых, retrieval- и reasoning-сценариев. Дополнительные сведения о поддерживаемых языках, размере параметров, модальностях и длине контекста не указаны.

Сильной стороной модели является целевая оптимизация под агентное поведение при сохранении разреженной экспертной архитектуры и уменьшении числа экспертов. При этом это исследовательский контрольный снимок: ему необходимы более широкие проверки агентных функций, генерации кода, выполнения инструментов, retrieval, длинных последовательностей и безопасности, поэтому модель не рекомендуется считать готовой к промышленному использованию без дополнительной оценки. Модель распространяется по лицензии Apache-2.0.

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

SLIMDER Qwen3.8 Depth-32 Agentic REAM-288

This is the BF16 Depth-32 structural winner compressed from 384 to 288 routed experts per layer with an agentic-weighted REAM calibration.

Lineage

  • Source: sjakek/slimder-qwen38-reap384-depth32-mb2-3-4-5
  • Pinned source revision: 2bb3209bb3c8424105985c5c971e7a2f22f1b61d
  • Structural depth: 32 transformer layers
  • Routed experts per layer: 288
  • Experts selected per token: 10
  • Precision: BF16

Calibration

The merge used 1,024 sequences of length 512, weighted toward agentic behavior:

  • tool calling: 384
  • executable/code tasks: 256
  • retrieval: 128
  • multi-step reasoning: 128
  • general language: 128

Calibration SHA-256: 7738db0c59401e2b6c4050aa1a4e9481a13c12419814e68a8adcf00fb06220d8.

Method

Experts were clustered and merged independently in every layer using REAM similarity with router outputs enabled, gated similarity, REAP saliency weighting, and sequential hidden-state propagation. The run kept 288 of 384 expert slots per layer and saved a resumable atomic checkpoint after every promoted layer.

Status and limitations

This is an experimental research checkpoint. Structural integrity and generation smoke tests are recorded in the linked public run repository. The model still requires broader agentic, code-execution, tool-use, retrieval, long-horizon, and safety evaluation before production use.

Run artifacts: sjakek/slimder-qwen38-agentic-ream-runs-20260901.

Qwen3.8 Perian project lineage

This repository is retained in the Qwen3.8 Perian checkpoints collection. Its exact position in the lineage is: Checkpoint after depth reduction from 48 to 32 layers and routed-expert width reduction from 384 to 288. It retains the full PLE table and predates the final QLoRA.

The final Qwen3.8 Perian GGUF release combines three reductions and one post-training stage:

  • depth: 48 to 32 transformer layers;
  • routed-expert width: 384 to 288 experts per layer;
  • PLE n-gram capacity: 320,001,446 to 160,000,768 rows (50%, about 25.60B parameters removed), using activation-aware bigram and frequency-ranked trigram selections validated on a document-disjoint 5M-token holdout;
  • rank-32 QLoRA on 12,558 normalized traces spanning math/STEM reasoning, coding/debugging, agentic tool use, retrieval, and general multi-step reasoning. The trace mixture draws from several frontier-model families, including Fable 5, GLM 5.2, Kimi K3, Claude Opus 4.7, Qwen3.8-Max, and GPT-5.6-Sol. The final merged milestone was trained through 9,336,692 supervised assistant tokens.

Earlier checkpoints in this collection do not inherit later stages merely by being listed beside them; the stage statement above is authoritative for this artifact.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen4ExpForCausalLM
Ревизия весов
433bece

0 моделей