/ 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
11 авг 2026

tt-x2_clip-hi0p05-10-30B

Генерация текстаТекст → текст8 профессий

Экспериментальный GRPO-чекпойнт Qwen3-Coder для генерации кода и решения многофайловых агентных задач.

174скачиваний 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-hi0p05-10-30B — это исследовательский контрольный чекпойнт модели Qwen3-Coder-30B-A3B-Instruct, дообученной командой TaskTrove с помощью GRPO на наборе DCAgent/exp_rpt_multifile. Модель семейства Qwen3 MoE предназначена для генерации текста в диалоговом режиме, включая программирование и многофайловые агентные задачи. По метаданным, контекст достигает 262 144 токенов; репозиторий содержит веса Safetensors, библиотека запуска — Transformers.

Выбран шаг 10 по скользящей EMA награды; README приводит pass@8 0,4516 для этого чекпойнта. Обучение остановили на шаге 76 из 80 после роста энтропии политики и снижения награды, поэтому выбранный чекпойнт не является результатом полного горизонта обучения. Лицензия — Apache-2.0.

Сценарии применения

  • генерация и исправление программного кода
  • работа с задачами, затрагивающими несколько файлов проекта
  • диалоговая помощь в программировании
  • длительные агентные сессии с контекстом проекта

Ограничения

Обучение остановлено на шаге 76 из 80: после раннего пика награда снижалась, а энтропия политики выросла примерно в восемь раз. Показатели README относятся к выбранному чекпойнту и не гарантируют качество на других задачах.

Для каких профессий подходит8

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-x2_clip-hi0p05 -- step 10 (PPO upper-clip = 0.05)

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

Checkpoint selection

global_step_10 was selected by the trailing-5 reward EMA (alpha = 1/3) over the full restart chain -- the highest-EMA aligned checkpoint (EMA 0.2094; step reward 0.2344; pass@8 0.4516; entropy 0.1184), per parse_skyrl_metrics.py --run_dir --save_every 5.

Run status -- terminated near-horizon (elevated entropy)

Terminated by the owner at step 76/80. Reward peaked early (step 10) then declined as policy entropy climbed ~8x (0.11 -> 0.90) -- approaching the campaign entropy stop rule (10x). Step 10 is the best saved checkpoint. Not a horizon result.

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

Training Traces

open-athena/tt-x2_clip-hi0p05 -- 1/4 systematic subsample (every 4th trial, uniform coverage; 24,125 rows from ~103k trials across 4 run roots). The full set was GPFS-read-bound on the Jupiter login node; subsample is a documented deviation for this terminated (76/80) arm.

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
4defbab

0 моделей