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

Ссылки

Hugging Face

tt-x4_temperature-t1p0-45-30B

laion

Генерация текстаТекст → текст7 профессий

Экспериментальный снимок Qwen3-Coder, дообученный методом GRPO для генерации кода в многофайловых задачах.

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

laion/tt-x4_temperature-t1p0-45-30B — исследовательский контрольный снимок, опубликованный LAION как шаг 45 эксперимента TaskTrove X4 с температурой генерации 1,0. Это дообучение Qwen/Qwen3-Coder-30B-A3B-Instruct методом GRPO на наборе DCAgent/exp_rpt_multifile с использованием SkyRL и Terminus-2; обучение было ориентировано на многофайловые задачи программирования, а контрольный снимок выбран по скользящему среднему награды. Архитектура — MoE на базе Qwen3; метаданные указывают 2,6 млрд параметров и контекст до 262 144 токенов. Модель принимает текст и генерирует текст в диалоговом режиме.

Карточка описывает завершённый двухэпоховый эксперимент и сообщает метрики выбранного снимка: среднюю награду 0,2305 и pass@8 0,375. Эти результаты относятся к конкретной экспериментальной настройке и не гарантируют аналогичного качества на других задачах. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

генерация кода по текстовому запросу
решение задач программирования с несколькими файлами
диалоговая помощь в разработке программного обеспечения

Ограничения

Карточка приводит метрики только для описанного экспериментального набора и настройки; они не подтверждают качество на иных задачах. Это экспериментальный контрольный снимок, а не заявленная стабильная версия для широкого применения.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tt-x4_temperature-t1p0 -- step 45 (X4 rollout temperature 1.0)

GRPO checkpoint from the TaskTrove X4 (rollout temperature) 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 0.2328; step reward 0.2305; pass@8 0.375; entropy 0.078), per parse_skyrl_metrics.py --run_dir --save_every 5.

Run status -- COMPLETED at its two-epoch horizon

The temp-1.0 arm finished both dataset epochs (step 66, matching sibling arm temp 0.7) with a healthy profile: policy entropy declined ~0.25x (0.21 -> 0.05) -- no entropy runaway. The post-horizon extension (to max_steps 80) was stopped by the owner at step 68. Exports 55-65 were lost to infra chain-stalls before saving; step 45 is the best saved export (the FSDP checkpoint banked at 66 but was not HF-exported).

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

Training Traces

open-athena/tt-x4_temperature-t1p0 -- 1/4 systematic subsample (every 4th trial, uniform coverage of the full 66-step horizon; 15,258 rows from 68,768 trials). The full set was GPFS-read-bound on the Jupiter login node (~6h); subsample is a documented, owner-approved deviation.

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: 3efc31c