Характеристики

Контекст: 40 960 токенов
Параметры: 7,6 млрд
Размер весов: 16,4 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink
Библиотека: transformers
Опубликована: 28 мая 2026

Ссылки

Hugging Face

a3-rl-DCAgent_exp_rpt_e2egit-large_global_step_15

laion

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen3, дообученный с подкреплением для выполнения задач Terminal-Bench в терминале.

23скачиваний 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Это экспериментальный чекпойнт модели для выполнения задач Terminal-Bench в терминальной среде. Его разработали в рамках запуска обучения с подкреплением SkyRL на базе laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink — модели Qwen3-8B, дообученной для задач SWE. Чекпойнт global_step_15 выбрали по скользящей оценке вознаграждения; обучение планировалось на 80 шагов, но было отменено после ухудшения результатов после шага 65.

Модель имеет архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 40 960 токенов. Она принимает текст и генерирует текст, предназначена для диалогового взаимодействия и решения задач в терминале. README описывает обучение на датасете DCAgent/exp_rpt_e2egit-large методом RLOO-n; данные не подтверждают, что чекпойнт прошёл независимую оценку или готов к производственному применению. Лицензия — Apache-2.0.

Сценарии применения

решение задач Terminal-Bench через терминальный интерфейс
выполнение многошаговых задач в командной строке
эксперименты с обучением агентов для терминала
исследование поведения языковой модели при решении задач SWE

Ограничения

Это экспериментальный чекпойнт, выбранный на 15-м шаге обучения; запуск был отменён после ухудшения результатов на более поздних шагах. README не приводит независимых оценок качества модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.7Разработка и данныеDevOps, облако и эксплуатация IT-системAI помогает развёртывать, наблюдать и оптимизировать цифровые системы и облачную инфраструктуру.20 задач7 196моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

a3-rl-DCAgent_exp_rpt_e2egit-large — global_step_15

SkyRL terminal-bench RL run. Checkpoint global_step_15 was selected by EMA(reward/avg_raw_reward, 5-step) across all 80 trained steps.

Base model: laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink (Qwen3-8B SFT)
Task dataset: /e/scratch/jureap59/feuer1/tasks/exp_rpt_e2egit-large (DCAgent/exp_rpt_e2egit-large)
Algorithm: RLOO-n, eps_clip_low=0.2, eps_clip_high=0.05, kl=0, lr=8e-6
Trainer: SkyRL FSDP2, 14 nodes \u00d7 4 GPU/node, train_batch=64, 48 vLLM engines
Total steps trained: 80 (job CANCELLED 2026-05-28 03:37:31 UTC after collapse beyond step 65)
EMA selection: step=15 ema=0.8639 reward=0.8418

Training Traces

Training-time Daytona/Harbor rollouts for this run are uploaded as a companion dataset: open-athena/a3-rl-DCAgent_exp_rpt_e2egit-large

The dataset contains the last episode of each trial (per make_and_upload_trace_dataset --episodes last) — the same rollouts the policy was trained on after rollback / truncation.

Training Logs

training_logs/ contains metrics.csv, vllm_metrics.csv, trial_stats.csv, report.md, and reward_plot.png from parse_skyrl_metrics.py, plus the raw trainer_log.jsonl and *.out files for archival (Jupiter has no W&B network access).

RL Config

See rl_config.json for the full Hydra overrides used to launch the run.

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: f54b870