Дообученная на базе DeepSeek-R1-0528-Qwen3-8B модель Qwen3 для диалоговой генерации текста и голосовых агентов с вызовом инструментов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
DeepSeek-R1-8B tool-merged v2 — диалоговая языковая модель на архитектуре Qwen3, дообученная разработчиком manishkumar2101114 на базе deepseek-ai/DeepSeek-R1-0528-Qwen3-8B. Для обучения использован LoRA-адаптер ранга 32, три эпохи и 1873 диалога; в карточке указаны итоговые значения train loss 0,2217 и eval loss 0,2276. Модель предназначена для диалоговой генерации текста и сценариев голосовых агентов; тег карточки также указывает на поддержку tool calling.
Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. В карточке заявлены английский и хинди. Указана лицензия MIT. Для запуска автор рекомендует sglang, vllm или transformers; отдельная замена шаблона диалога не требуется.
Карточка не приводит сравнительных оценок качества или сведений о проверке вызова инструментов в конкретных системах. Указанные потери обучения сами по себе не позволяют судить о качестве ответов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Base: deepseek-ai/DeepSeek-R1-0528-Qwen3-8B. Adapter retrained with the model's native symbol set (deepseek_r1_template.jinja, space-safe tokenizer). LoRA r=32, 3 epochs, 1873 dialogues. Train loss 0.2217 / eval 0.2276. Serve with sglang / vllm / transformers (no template override needed).
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…