/ 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
20 янв 2026

Ссылки

Hugging Face

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

laion
Генерация текстаТекст → текст3 профессии

Диалоговая модель Qwen3-8B, дообученная для агентных сценариев взаимодействия с веб-магазином и песочницами.

38скачиваний 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-webshop-sandboxes-maxeps-32k — языковая модель на архитектуре Qwen3, дообученная командой Neulab на датасете open-athena/Kimi-K2T-neulab-agenttuning-webshop-sandboxes-maxeps-32k. Модель содержит 7,6 млрд параметров, использует формат SafeTensors и запускается через Transformers. Она предназначена для генерации текста в диалоговом формате; название датасета указывает на настройку для агентных сценариев с веб-магазином и песочницами.

Модель основана на Qwen/Qwen3-8B и поддерживает контекст до 40 960 токенов. Базовая модель многоязычная и рассчитана на генерацию текста, рассуждения, следование инструкциям, работу с кодом и вызов инструментов, однако README не сообщает, какие из этих возможностей сохранены или оценивались после дообучения. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • выполнение агентных задач в симуляции веб-магазина
  • диалоговое управление агентом в песочнице
  • генерация ответов в сценариях веб-покупок

Ограничения

В README не приведены результаты оценки и подробности о поведении модели; пригодность для конкретных задач веб-магазина следует проверять отдельно. Языки дообучения не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

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

This model is a fine-tuned version of Qwen/Qwen3-8B on the open-athena/Kimi-K2T-neulab-agenttuning-webshop-sandboxes-maxeps-32k 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
08151fc

0 моделей

    Создать бенчмарк