/ 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
5 дек 2025

Ссылки

Hugging Face

glm-4_6-stackexchange-tezos-32ep-131k

laion
Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-8B для генерации диалоговых ответов на вопросы, связанных с Tezos.

36скачиваний 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

Это дообученная модель Qwen/Qwen3-8B, созданная на наборе данных open-athena/glm-4.6-stackexchange-tezos-32ep-131k. Модель разработана для генерации текста в диалоговом формате и ориентирована на тематику вопросов и ответов Stack Exchange о Tezos.

Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и формат весов Safetensors. Нативная длина контекста составляет 40 960 токенов. Она принимает текст и генерирует текст; метаданные указывают библиотеку Transformers и возможность диалогового использования.

Карточка не приводит результатов оценки и подробных инструкций по применению, поэтому качество ответов по Tezos и охват конкретных тем не подтверждены. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы Stack Exchange о Tezos
  • пояснение понятий и технологий экосистемы Tezos
  • подготовка черновиков ответов о Tezos
  • диалоговый поиск справочной информации о Tezos

Ограничения

Карточка не содержит сведений об оценке качества, поэтому точность и полноту ответов по Tezos определить нельзя. Специализация на Tezos следует из названия обучающего набора данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

glm-4_6-stackexchange-tezos-32ep-131k

This model is a fine-tuned version of Qwen/Qwen3-8B on the open-athena/glm-4.6-stackexchange-tezos-32ep-131k 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 4.56.1
  • Pytorch 2.9.1+cu128
  • Datasets 4.4.1
  • Tokenizers 0.22.1

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
0a4e349

0 моделей

    Создать бенчмарк