/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
70,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
affine-5g4yy75zuz-t6
Библиотека
transformers
Опубликована
20 авг 2026

sn120-ff9153704c9d

Генерация текстаТекст → текст3 профессии

Производная модели jacob-rojic/mirror-unconst-affine-5czsc2fc98-r1008-vera-odpo-hirank-midbeta-midctx-megaextra-ep4-midlr-merge. Экспериментальная Qwen3.5 MoE модель, дообученная методом offline DPO для оценки в сценарии Affine SN120 Reason v4 duel.

17скачиваний за 30 дней0лайковвеса обновлены20 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.

  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

Карточка модели ledgernova/sn120-ff9153704c9d на Hugging Face совпадает с карточкой jacob-rojic/mirror-unconst-affine-5czsc2fc98-r1008-vera-odpo-hirank-midbeta-midctx-megaextra-ep4-midlr-merge, поэтому описание составлено по ней.

Модель R1008 — экспериментальный чекпойнт семейства Qwen3.5 MoE, разработанный как участник серии Affine SN120 и дообученный командой проекта на базе vera6/affine-5g4yy75zuz-t6. Применён offline DPO на парах предпочтений, ранжированных по метрике Reason v4; модель оптимизировали выбирать рассуждения, повышающие оценку следующего действия учителя. В README описана оценка на 80 примерах с положительным результатом относительно родительского чекпойнта.

Модель предназначена для соревнования Affine SN120 и оценки в сценарии Reason v4 duel, а не для общего общения. Метаданные указывают задачу text-generation, чат-возможность и формат safetensors; автор сообщает максимальную длину обучения 8192 токена. Указана лицензия Apache-2.0. Результаты и настройки из README относятся к конкретной экспериментальной оценке и не гарантируют качество на других задачах.

Сценарии применения

  • генерация ответов для оценки Reason v4 duel
  • участие в экспериментах Affine SN120
  • сравнение предпочтений рассуждений по метрике учителя

Ограничения

Модель предназначена для узкого сценария Affine SN120 Reason v4 duel, а не для общего чата. В README приведена оценка на ограниченной выборке из 80 примеров; переносимость результата на другие задачи не установлена.

Для каких профессий подходит3

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

R1008 — MidCtx × HiRank × MidBeta Mega MidLR (offline DPO on vera king)

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: vera6/affine-5g4yy75zuz-t6@8e3f1695e058837ed80fec3238ff439fdc2d0f0e (live king reign36)
  • 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: Soft Mid Mid Soft × MidCtx filtered duel preference pairs from dpo_duel_reason.jsonl under mining/experiments/r1008-vera-offline-dpo-hialpha-hirank-midbeta-midctx-megasuperextrasteps-ep4-midlr / pod /root/r1008/
  • Key hyperparameters:
    • LoRA r=64 (HiRank), α=128 (HiAlpha)
    • β=0.1 (MidBeta)
    • lr=1e-6 (MidLR)
    • max_len=8192 (MidCtx)
    • max_steps=19200 (MegaSuperExtra)
    • epochs=4
  • Hardware: Lium mine-r338-marsplan-online-dpo-bigg-hilr-1 (calm-fox-6a) 8×B200 GPUs 4,5 train+merge; TKC warm; chall :8003 GPUs 4,5 for v4 n80 → /tmp/r1008_merged (~16 safetensor shards)
  • Local n80 vs live king reign36 (vera6/affine-5g4yy75zuz-t6@8e3f1695e058837ed80fec3238ff439fdc2d0f0e) under wvk=7:
    • margin +0.005917, SE 0.002233, z=2.650, n=80
    • bar max(2·SE, δ=0.002) = 0.004466 (~1.325×)
    • thought median 165 (≥80 ✓), B pass 0.433 (≥0.30 ✓)
    • k=3, τ=0.03 (fail-closed if stamp ≠ v4)
    • decision: WIN / Stage-5 licensed (r1008_sim_result_reign36_wvk7.json, p4150)
  • Lineage: R1000 MidCtx HiRank Midβ Mega UltraLoLR REFUTE m=−0.000317 ~−0.15× → MidCtx HiRank Midβ Mega MidLR isolate between UltraLoLR R1000 and HiLR R991; ≠ Mega UltraLoLR R1000 / ≠ Mega HiLR R991 / ≠ SoftCtx Mega UltraLoLR R959 / ≠ SoftCtx HiRank Midβ Mega MidLR R992 / ≠ Online / ≠ GRPO
  • Experiment path: mining/experiments/r1008-vera-offline-dpo-hialpha-hirank-midbeta-midctx-megasuperextrasteps-ep4-midlr

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
23ee941

0 моделей