/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Опубликована
13 мая 2026

email_classification

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-4B для классификации электронных писем по текстовому запросу.

44скачиваний за 30 дней0лайковвеса обновлены13 мая 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 дообученная kugu модель Qwen3 на 3,7 млрд параметров, созданная на базе unsloth/Qwen3-4B-Instruct-2507 с помощью Unsloth и библиотеки TRL. По названию репозитория она предназначена для классификации электронных писем; карточка не уточняет категории, обучающие данные и качество классификации. В метаданных указаны задача генерации текста, диалоговые возможности и контекст до 262 144 токенов, а также поддержка английского языка.

Модель принимает текст и выдаёт текст, поэтому её можно применять для классификации писем с помощью инструкций и генерации ответа с меткой. Доступна в формате safetensors. Лицензия — Apache-2.0; конкретные результаты и надёжность для рабочих сценариев в карточке не описаны.

Сценарии применения

  • классификация входящих писем по категориям
  • сортировка писем по теме
  • разметка писем как спам или не спам
  • определение намерения отправителя по тексту письма

Ограничения

Карточка не сообщает, какие категории и датасеты использовались при обучении, и не приводит оценок качества; надёжность классификации для конкретной почты следует проверять отдельно.

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

Uploaded finetuned model

  • Developed by: kugu
  • License: apache-2.0
  • Finetuned from model : unsloth/Qwen3-4B-Instruct-2507

This qwen3 model was trained 2x faster with Unsloth and Huggingface's TRL library.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
474e531

0 моделей