/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
18 янв 2026

Ссылки

Hugging Face

Kimi-K2T-neulab-agenttuning-mind2web-sandboxes-maxeps-32k

laion
Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-8B для генерации текста в диалогах и предполагаемого агентного взаимодействия с веб-средой Mind2Web.

82скачиваний за 30 дней0лайковвеса обновлены4 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.

Открыть конструктор бенчмарка

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

Kimi-K2T-neulab-agenttuning-mind2web-sandboxes-maxeps-32k — дообученная модель на базе Qwen/Qwen3-8B, созданная с использованием набора данных open-athena/Kimi-K2T-neulab-agenttuning-mind2web-sandboxes-maxeps-32k_neulab-agenttuning-db-sandboxes. Это плотная причинно-языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. Название и обучающий набор данных указывают на настройку для сценариев агентного взаимодействия с веб-средой Mind2Web и песочницами, однако карточка не описывает конкретные задачи и качество модели.

Модель принимает текст и генерирует текст; базовая модель поддерживает многоязычную генерацию, следование инструкциям, рассуждения, работу с кодом и вызов инструментов. Контекст составляет до 40 960 токенов. Веса представлены в формате safetensors, библиотека запуска — Transformers. Лицензия Apache-2.0. README не содержит сведений об оценке качества и ограничениях специализированного дообучения.

Сценарии применения

  • генерация ответов в диалоговом агенте
  • эксперименты с агентами для выполнения задач в веб-среде Mind2Web
  • тестирование агентного поведения в песочницах
  • следование текстовым инструкциям в длинном контексте

Ограничения

README не приводит результатов оценки, примеров поведения или конкретных ограничений дообученной модели; пригодность для задач веб-агента следует проверять отдельно.

Для каких профессий подходит3

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 385моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kimi-K2T-neulab-agenttuning-mind2web-sandboxes-maxeps-32k

This model is a fine-tuned version of Qwen/Qwen3-8B on the open-athena/Kimi-K2T-neulab-agenttuning-mind2web-sandboxes-maxeps-32k_neulab-agenttuning-db-sandboxes dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 4e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.98) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 7.0

Training results

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.9.0+cu128
  • Datasets 4.4.1
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
a1a35e4

0 моделей

    Создать бенчмарк