Характеристики

Контекст: 262 144 токена
Параметры: 7,2 млрд
Размер весов: 128 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5_moe_text · MoE
Базовая модель: Qwen3.5-122B-A10B
Опубликована: 18 сен 2026

Ссылки

Hugging Face

less-is-moe-qwen3.5-122b-a10b-s1-128-seq8192-intdim-l-50

jayzou3773

Генерация текстаТекст → текст4 профессии

Структурно обрезанная на 50% текстовая MoE-модель Qwen3.5 для диалоговой генерации текста.

353скачиваний за 30 дней0лайковвеса обновлены18 сен 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

Это структурно обрезанный на 50% контрольный пункт Qwen3.5-122B-A10B, подготовленный автором репозитория jayzou3773 методом Less-is-MoE на основе среднего абсолютного градиента. Удалена половина нейронов FFN маршрутизируемых экспертов; оптимизационный шаг не выполнялся. Модель основана на Qwen/Qwen3.5-122B-A10B и предназначена для генерации текста в диалоговом режиме.

Модель использует текстовую MoE-архитектуру Qwen3.5 и сохранена в формате BF16 Safetensors. Метаданные указывают 7,2 млрд параметров и контекст до 262 144 токенов. Для обрезки использовались 128 калибровочных примеров с последовательностями длиной 8192 токена. Указана лицензия Apache-2.0.

Обрезка может изменить качество относительно исходной модели; README не приводит оценок качества или результатов сравнения. Карточка описывает структурное прореживание, а не обычное дообучение.

Сценарии применения

диалоговые ответы на запросы пользователя
генерация продолжений текста
проверка влияния прореживания экспертов на качество языковой модели

Ограничения

Удалено 50% нейронов FFN маршрутизируемых экспертов, поэтому качество может отличаться от исходной модели; в README нет результатов оценки. Языковая поддержка не обозначена в предоставленных данных.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IntDim-L 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 128 calibration samples from yentinglin/s1K-1.1-trl-format revision 58a01564d278477da20ead1bcf1cde8e31f36251. The released loader settings are preserved: train, messages, shuffle_seed=1234, seq_length=8192, prefix truncation, no padding, and BF16, with no optimizer step. The exact model-specific token tensors are published at jayzou3773/less-is-moe-s1-calibration-128-seq8192 revision 678b4e666183e16ec00376960df03b6381632ed1. The source checkpoint was loaded and pruned in BF16.

The source-row selection hash is f261e952d4e6d5dec6d37db4ab22636761b215281d33896060fe4467bb352784 and the model-specific token-file hash is 47214818e5c0acaa6e65d3f212f7fab62937a4085d26394c356e3be1c94fffbf. Full export and zero-mask equivalence metadata are in experiment-export.json.

Inference requires the Less-is-MoE ragged vLLM plugin 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

Нельзя запустить

Модели нужен vLLM (несколько GPU), но архитектура RaggedQwen3_5MoeForCausalLM ему неизвестна.

Класс архитектуры: RaggedQwen3_5MoeForCausalLM
Ревизия весов: b57a47b