/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,6 млрд
Размер весов
61,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-Coder-30B-A3B-Instruct
Библиотека
transformers
Опубликована
15 авг 2026

tt-x10-fsdp2-fa2-117-30B

Генерация текстаТекст → текст7 профессий

Экспериментальный GRPO-чекпойнт Qwen3-Coder для генерации текста в задачах программирования и агентных сценариях.

159скачиваний 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

Это экспериментальный чекпойнт модели Qwen3-Coder-30B-A3B-Instruct, дообученный командой TaskTrove методом GRPO в эксперименте X10b. Обучение проводилось на датасете DCAgent/exp_rpt_multifile с использованием SkyRL и Terminus-2; конфигурация включала FSDP2 и FlashAttention 2. Из заявленных характеристик базовой модели следует поддержка контекста до 262 144 токенов. Чекпойнт предназначен для генерации текста в диалоговом формате, прежде всего для задач программирования и агентных сценариев, унаследованных от базовой модели.

Обучение остановили на шаге 131 из 400 после выхода награды на плато; авторы отмечают исчерпание исследования и отсутствие дальнейшего роста метрик. Репозиторий распространяется под лицензией Apache 2.0.

Сценарии применения

  • генерация кода по запросу
  • помощь в программировании в диалоговом интерфейсе
  • выполнение агентных сценариев с кодом

Ограничения

Обучение остановлено на шаге 131 из 400 после плато награды; в README указано, что дальнейшее обучение не давало заметной пользы. README не приводит независимых оценок качества или сравнительных результатов.

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

tt-x10-fsdp2-fa2 — step 117 (X10b training backend: FSDP2 vs Megatron)

GRPO checkpoint from the TaskTrove X10b backend experiment, trained on Iris / CoreWeave (cw-rno2a, 4x8 H100). Base model Qwen/Qwen3-Coder-30B-A3B-Instruct, trained on DCAgent/exp_rpt_multifile with SkyRL + Terminus-2. Single variable vs the X8 longclip base: trainer.strategy=fsdp2 (+ flash-attention-2, async). Campaign verifier is pass_ratio shaping.

Checkpoint selection

global_step_117 was selected by the trailing-5 reward EMA (alpha = 1/3) over the stitched 6-generation curve (steps 1-131, no gaps) — the highest-EMA checkpoint (EMA 0.2535; step reward 0.2793; pass@8 0.3906; entropy 0.0215), inside the reward plateau. Export performed on-Iris from the sharded FSDP checkpoint bank via the checkpoint-export job (hf_upload_mode=latest).

Run status — question ANSWERED; stopped at 131/400 (plateau)

X10b's question — does FSDP2 survive the X8 schedule that collapsed every Megatron arm — is answered yes: 131 stable steps with entropy falling 0.284 -> 0.0129 (~22x, exploration exhausted) and response length held (11.9k -> 13.5k tokens; no length collapse). Reward plateaued from ~step 40 (20-step windows 40-131 flat within noise; peak raw 0.332 at step 116); the remaining horizon buys nothing. Stopped by owner decision 2026-08-15 at logged step 131, banked 129.

See training_logs/ for metrics.csv (stitched per-step curve + trailing-5 EMA), report.md, reward_plot.png, and the launch rl_config.yaml. W&B (dogml/OpenThoughts-Agent): base jjjhduya, final gen r7 0s0kinwg.

Training Traces

open-athena/tt-x10-fsdp2-fa2 — 1/8 systematic subsample (every 8th trial of 89,425 across 5 run generations, uniform coverage of steps 1-131). Full-set transfer from CoreWeave object storage was ~430 GB; the subsample is a documented deviation, approved by the owner, for an arm whose question was answered before horizon.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
955c0f8

0 моделей