/ 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
10 авг 2026

tt-x4_temperature-t0p7-45-30B

Генерация текстаТекст → текст7 профессий

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

152скачиваний 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-x4_temperature-t0p7-45-30B — экспериментальный чекпойнт модели, созданный в рамках гиперпараметрического перебора TaskTrove. Он получен дообучением Qwen/Qwen3-Coder-30B-A3B-Instruct методом GRPO на наборе DCAgent/exp_rpt_multifile с использованием SkyRL и Terminus-2; контроль кампании применял shaping по pass_ratio. В метаданных указана архитектура Qwen3 MoE для генерации текста, поддержка чата, 2,6 млрд параметров и контекст до 262 144 токенов. Модель ориентирована на генерацию кода и работу с многофайловыми задачами; README описывает выбор шага 45 как лучшего сохранённого чекпойнта по скользящей EMA награды.

Обучение остановили на шаге 66 из 80 из-за роста энтропии политики; шаг 45 предшествует этому ухудшению, но результат обучения не достиг полного горизонта. Данных о языках, кроме английского в карточке, недостаточно для вывода о более широкой языковой поддержке. Лицензия — Apache-2.0.

Сценарии применения

  • генерация программного кода по запросу
  • решение задач по нескольким файлам проекта
  • диалоговая помощь при программировании

Ограничения

Обучение было остановлено на шаге 66 из 80 на фоне быстро растущей энтропии политики; чекпойнт не является результатом полного горизонта обучения. README указывает на возможную деградацию политики до остановки.

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-x4_temperature-t0p7 -- step 45 (X4 rollout temperature 0.7)

GRPO checkpoint from the TaskTrove hyperparameter 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_45 was selected by the trailing-5 reward EMA (alpha = 1/3) over the full restart chain -- the highest-EMA aligned checkpoint (EMA 0.1962; step reward 0.2656; pass@8 0.4531; entropy 0.2981) among saved exports (hf_save_interval 5; first save excluded), per parse_skyrl_metrics.py --run_dir --save_every 5.

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

The arm was terminated by the owner at step 66/80 (mid-horizon). Policy entropy had climbed to 4.40xx its step-1 value -- elevated and rising (the campaign entropy stop rule fires at 10x), i.e. the policy was degenerating before the kill. Step 45 is the best saved checkpoint before that decline. This is not a horizon result.

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-x4_temperature-t0p7 (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
a4b0c5a

0 моделей