/ 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
8 авг 2026

tt-x2_clip-hi0p01-15-30B

Генерация текстаТекст → текст4 профессии

Экспериментальный чекпойнт Qwen3 Coder, дообученный GRPO для генерации кода и решения задач с несколькими файлами.

162скачиваний 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

laion/tt-x2_clip-hi0p01-15-30B — это экспериментальный чекпойнт на базе инструктивной модели Qwen/Qwen3-Coder-30B-A3B-Instruct, дообученный методом GRPO в рамках подбора гиперпараметров TaskTrove X2. Модель предназначена для генерации кода и решения задач с несколькими файлами; обучение проводилось на DCAgent/exp_rpt_multifile с использованием SkyRL и Terminus-2. Архитектура — Qwen3 MoE для причинной генерации текста; репозиторий содержит веса Safetensors, а размер модели в метаданных указан как 2,6 млрд параметров. Метаданные указывают контекст до 262 144 токенов и поддержку английского языка.

В карточке выбран шаг 15 по сглаженной EMA награды: pass@8 составил 0,359. Однако этот экспериментальный запуск был остановлен на шаге 62 из 80 из-за роста энтропии; после шага 54 награда и pass@8 резко ухудшились, поэтому чекпойнт не следует считать успешным результатом серии TaskTrove X2. Лицензия — Apache-2.0.

Сценарии применения

  • генерация кода по запросу на естественном языке
  • решение задач программирования с несколькими файлами
  • эксперименты с агентным решением задач по коду
  • оценка вариантов обучения GRPO для генерации кода

Ограничения

Запуск был остановлен из-за коллапса энтропии: после шага 54 награда и pass@8 резко упали, а серия не достигла запланированного горизонта. Чекпойнт выбран до этого ухудшения и не является валидным результатом эксперимента TaskTrove X2.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tt-x2_clip-hi0p01 — step 15 (PPO upper-clip = 0.01)

GRPO checkpoint from the TaskTrove X2 (upper PPO clip) hyperparameter sweep. Base model Qwen/Qwen3-Coder-30B-A3B-Instruct, trained on DCAgent/exp_rpt_multifile with SkyRL + Terminus-2. This is the clip-0.01 arm; the campaign verifier is pass_ratio shaping.

Checkpoint selection

global_step_15 was selected by the trailing-5 reward EMA (alpha = 1/3) over the full restart chain — the highest-EMA aligned checkpoint (EMA 0.1642; step reward 0.191; pass@8 0.359; entropy 0.127). hf_save_interval was 5; the first save (step 5) is excluded.

⚠ This run collapsed — not a valid X2 result

The clip-0.01 arm was killed by the entropy stop rule at step 62 (banked 60, horizon 80). Reward flatlined around 0.13–0.22 (pass@8 ~0.19–0.44) with no clear upward trend for steps 1–54, policy entropy climbed monotonically (0.11 at step 1 -> 0.75 at step 50), then entropy blew up to 3.0 and reward/pass@8 crashed to ~0 at steps 55–62. Step 15 is the EMA-best checkpoint, taken before the entropy-driven decline; later checkpoints (50/55/60) are post-decline or post-collapse. This arm did not reach its horizon and is not a valid X2 sweep result on the same terms as the killed X1 lr-4e-6 arm.

See training_logs/ for metrics.csv, report.md, reward_plot.png, the resolved rl_config.json, and the gzipped .out chain.

Training Traces

Training-time Daytona/Harbor rollouts: open-athena/tt-x2_clip-hi0p01 (the last episode of each trial — the rollouts the policy trained on after rollback/truncation).

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
a7c198c

0 моделей