/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
29,7 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-32B
Опубликована
6 мар 2026

Qwen3-32B-R2EGYM-256-3epochs

Генерация текстаТекст → текст7 профессий

Дообученная методом обучения с подкреплением Qwen3-32B для диалога, программирования и решения задач с рассуждением.

29скачиваний 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.

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

Qwen3-32B-R2EGYM-256-3epochs — плотная языковая модель на 29,7 млрд параметров, созданная командой LAION дообучением Qwen/Qwen3-32B методом обучения с подкреплением. Обучение проводилось с асинхронным PPO в SkyRL на задачах программирования и рассуждений из бенчмарка R2EGYM; использовалось 256 задач и агент Terminus-2, работающий в терминальной среде с песочницей Docker. Контекст модели — 40 960 токенов.

Модель предназначена для генерации кода, решения задач программирования и многошагового рассуждения в диалоговом формате. Авторы позиционируют её как замену Qwen3-32B с улучшенными возможностями в программировании и рассуждениях. Карточка указывает лицензию Apache-2.0. Результаты могут зависеть от задачи и условий запуска; обучение на ограниченном наборе из 256 задач не гарантирует улучшения на других задачах.

Сценарии применения

  • генерация и исправление программного кода
  • решение задач программирования в терминальной среде
  • ответы на вопросы о коде в диалоге
  • многошаговое рассуждение при решении технических задач

Ограничения

Дообучение опиралось на 256 задач R2EGYM, поэтому заявленные улучшения могут не переноситься на другие типы задач. Для модели на 29,7 млрд параметров требуются значительные вычислительные ресурсы.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-32B-R2EGYM-256-3epochs

This model is a reinforcement learning fine-tuned version of Qwen/Qwen3-32B, trained using the SkyRL framework with fully asynchronous PPO on coding and reasoning tasks from the R2EGYM benchmark.

Training Details

Framework

  • Training Framework: SkyRL (fully async PPO)
  • Parallelism Strategy: FSDP2 with CPU offload
  • Agent: Terminus-2 (terminal-based coding agent with thinking enabled)

Dataset

Hyperparameters

ParameterValue
Epochs3
Total steps12 (4 steps/epoch)
Learning rate1e-5
Weight decay0.0
Train batch size64
Micro train batch size per GPU1
Advantage estimatorrloo_n
KL lossdisabled
Samples per prompt8
Max prompt length2,048
Max generate length30,720
RoPE scalingyarn (factor=4.0, original_max_position_embeddings=32,768)

Infrastructure

ComponentConfiguration
Policy nodes4 nodes x 4 GPUs
Reference model nodes4 nodes x 4 GPUs
Inference engines26 (tensor parallelism = 2)
Parallel generation workers96
Concurrent sandbox trials96
Total training nodes17

Training Notes

  • Training was resumed from a step-9 checkpoint
  • The model uses Terminus-2, a terminal-based coding agent that interacts with sandboxed Docker environments to solve programming tasks
  • Thinking mode was enabled during training (--enable_thinking)

Usage

This model can be used as a drop-in replacement for Qwen3-32B with improved coding and reasoning capabilities.

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("laion/Qwen3-32B-R2EGYM-256-3epochs")
tokenizer = AutoTokenizer.from_pretrained("laion/Qwen3-32B-R2EGYM-256-3epochs")

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
54ebd8a

0 моделей