/ Модель

Характеристики

Контекст
262 144 токена
Параметры
7,2 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe_text · MoE
Базовая модель
Qwen3.5-122B-A10B
Опубликована
20 сен 2026

less-is-moe-qwen3.5-122b-a10b-gpqa-main-64-intdim-e-50

Генерация текстаТекст → текст3 профессии

Прореженный на 50% чекпойнт Qwen3.5-MoE для экспериментов с генерацией текста и ответами на научные вопросы.

338скачиваний за 30 дней0лайковвеса обновлены20 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 исследовательский чекпойнт Qwen3.5-122B-A10B, структурно сокращённый методом Less-is-MoE: удалено 50% нейронов FFN у маршрутизируемых экспертов. Разработчик применил метод mean-absolute-gradient к 64 калибровочным примерам из конфигурации gpqa_main датасета GPQA; шагов оптимизации не выполнялось. В репозитории указана архитектура MoE с классом Qwen3_5MoeForCausalLM, 7,2 млрд параметров и контекст до 262 144 токенов.

Модель предназначена для генерации текста и диалога на основе Qwen3.5-122B-A10B. Калибровка использовала вопросы GPQA с перемешанными вариантами ответа и объяснениями, поэтому чекпойнт может быть полезен для изучения сокращения MoE-моделей и проверки ответов на научные вопросы с объяснениями. Карточка не содержит результатов оценки качества после прореживания.

Веса опубликованы в формате safetensors и распространяются по лицензии Apache-2.0. Поскольку оптимизация после прореживания не проводилась, качество на задачах за пределами описанной калибровки не установлено; сокращение структуры может повлиять на способности исходной модели.

Сценарии применения

  • Эксперименты с сокращением маршрутизируемых экспертов в MoE-моделях
  • Ответы на научные вопросы с объяснениями
  • Сравнение качества модели до и после структурного прореживания

Ограничения

После прореживания не выполнялись шаги оптимизации, а результаты оценки качества не приведены. Влияние удаления половины нейронов экспертов на качество ответов не установлено.

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

IntDim-E 50% pruned Qwen/Qwen3.5-122B-A10B

This checkpoint was structurally pruned with the released Less-is-MoE mean-absolute-gradient method. It removes exactly 50% of routed-expert FFN neurons using 64 calibration samples from the gpqa_main configuration of Idavidrein/gpqa revision 633f5ee89ab8ad4522a9f850766b73f62147ffdd. The released loader settings are preserved: train, Question plus shuffled choices, Explanation, selection_seed=1234, BF16, and no optimizer step. The samples are full length: no tokenizer max_length, truncation, or padding. The longest input for this tokenizer is 1,632 tokens. The source checkpoint was loaded and pruned in BF16.

The source-row selection hash is 790c4c22309def44542965fdde7c5f38f1d8e354602640cfb31518134b8d92e6 and the model-specific token-file hash is 4cecf02da096c0d1c1f8f01bbdf8867186ab3064eccbfbb34cd9c16a89564d62. Full export and zero-mask equivalence metadata are in experiment-export.json. The exact calibration and held-out test rows are in the private dataset jayzou3773/less-is-moe-gpqa-main-calibration-64 revision b9596e85179b3017f77ba1436a5d2e61b6a61a5b, following GPQA's access terms.

Inference requires stock vLLM from the unified Less-is-MoE GPU image. IntDim-E has one uniform expert width. IntDim-L/G retain the routed MoE topology and store compact per-expert widths in config.json.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
03510ae

0 моделей