Характеристики

Контекст: 262 144 токена
Размер весов: 70,2 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5_moe · dense
Базовая модель: Affine-5czsc2fc98-r252-merged
Библиотека: transformers
Опубликована: 17 авг 2026

Ссылки

Hugging Face

sn120-f3314c7cdc17

ledgernova

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Affine, дообученный офлайн-DPO для участия в дуэльной оценке Reason v4.

23скачиваний за 30 дней0лайковвеса обновлены17 авг 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

R683 — ShortCtx × MidRank × HiBeta UltraExtra ep3 × LoLR — это экспериментальный чекпойнт ledgernova для сценария оценки Reason v4 в дуэлях. Модель получена офлайн-DPO дообучением базовой модели unconst/Affine-5czsc2fc98-r252-merged; обучение проходило на предпочтительных парах, ранжированных по оценке Reason, и не включало SFT или онлайн-GRPO. В метаданных указана архитектура семейства Qwen 3.5 MoE и класс Qwen3_5MoeForConditionalGeneration, библиотека Transformers и веса Safetensors.

Модель предназначена для подачи в Affine SN120 miner и evalsrv Reason v4, а не для общего чат-использования. В обучении использовались контекст до 6144 токенов, LoRA с r=32 и α=128, β=0,3, три эпохи и 7200 шагов. README сообщает о выигрыше на локальной оценке против текущего эталона, но показатель прохождения B был близок к минимальному порогу. Лицензия — Apache-2.0.

Сценарии применения

подача ответа модели в дуэльную оценку Reason v4
участие в майнинге Affine SN120
сравнение вариантов рассуждений по оценке Reason
экспериментальная проверка предпочтений, обученных на дуэльных парах

Ограничения

README указывает, что модель не предназначена для общего чат-использования. В указанной оценке показатель B pass составил 0,304 при пороге 0,30, то есть результат был близок к минимальному проходному уровню.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

R683 — ShortCtx × MidRank × HiBeta UltraExtra ep3 × LoLR (offline DPO)

Affine SN120 challenger for Reason v4 (weight_version_key=7): tempered multi-sample log-mean-exp over k=3 teacher refs (τ=0.03).

Per turn: a_i = lpC(y_i|z_A) − lpC(y_i|∅);
Reason = τ·log(mean_i exp(a_i/τ)). Crown also needs median stripped |z|≥80 and B pass ≥0.30.

How this checkpoint was trained

Base / parent: unconst/Affine-5czsc2fc98-r252-merged@b42d6245d77fe30885ea8a90387771e1bc465e0f (our crowned r252, reign 33)
Method: offline DPO on Reason-ranked duel pairs (not SFT / not online GRPO)
What was optimized: preference for thoughts that raise teacher-side Reason (commit to a teacher next-action mode; filler loses under LME)
Data: ShortCtx × MidRank × HiBeta filtered duel preference pairs from dpo_duel_reason.jsonl under mining/experiments/r683-r252-offline-dpo-hialpha-midrank-hibeta-shortctx-ultraextrasteps-ep3-lolr (kept ≥200 examples at launch)
Key hyperparameters:
- LoRA r=32 (MidRank), α=128 (HiAlpha)
- β=0.3 (HiBeta)
- lr=1e-6 (LoLR)
- max_len=6144 (ShortCtx)
- max_steps=7200 (UltraExtra; 2× Mega 3600)
- epochs=3
Hardware: Lium mine-r226-marsplan-fullft-1 (brave-raven-a9) 8×B200 GPUs 6,7 train+merge; SCP → mine-r262-kevin-v5-nonking-grpo-1 (golden-comet-78) GPUs 4,5 challenger serve + v4 n80 → /tmp/r683_merged (~66G / 16 safetensor shards)
Local n80 vs live king reign34 (cryptoDev23/Affine-5Dku3dYp9j-hk8161@55b7ffe0…) under wvk=7:
- margin +0.002137, SE 0.000943, z=2.27, n=79
- bar max(2·SE, δ=0.002) = 0.002 (~1.07×)
- thought median 172 (≥80 ✓), B pass 0.304 (≥0.30 ✓, knife-edge)
- k=3, τ=0.03 (fail-closed if stamp ≠ v4)
- decision: WIN / Stage-5 licensed (r683_decision_reign34_wvk7.json, p3738)
Lineage: amplify R659 Short MidRank HiBeta Mega / R622 ~0.85× with 2× steps; ≠ R679 Short HiRank HiBeta UltraExtra / ≠ R653 Short MidRank LoBeta / ≠ R658 Short MidRank MidBeta / ≠ Online / ≠ GRPO
Experiment path: mining/experiments/r683-r252-offline-dpo-hialpha-midrank-hibeta-shortctx-ultraextrasteps-ep3-lolr

Intended use

SN120 Affine miner submission / evalsrv Reason v4 duel. Not a general chat model.

License

Follows base model + Affine mining artifacts policy.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3_5MoeForConditionalGeneration
Ревизия весов: 43c3587