/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B-Base
Библиотека
transformers
Опубликована
23 сен 2026

AraToken-Qwen3-1.7B-CPT

Генерация текстаТекст → текст3 профессии

Продолженно предобученная версия Qwen3-1.7B с нормализацией AraToken для генерации арабского текста.

353скачиваний за 30 дней0лайковвеса обновлены23 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

AraToken-Qwen3-1.7B-CPT — модель продолженного предобучения на основе Qwen3-1.7B-Base, разработанная mariklolik для работы с арабским текстом. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров, рассчитанная на генерацию текста; контекст составляет до 32 768 токенов. Модель использует исходный токенизатор Qwen3 и обучалась 2 000 шагов на арабских данных с обновлением слоёв 24–27.

Модель предназначена для генерации и продолжения арабского текста. Встроенный нормализатор AraToken применяет NFKC, удаляет татвиль и огласовки, приводит цифры к западному набору и нормализует латинскую пунктуацию, поэтому на вход можно подавать необработанный арабский текст. В сравнении на первых 1 500 документах тестовой выборки AraToken-FineWeb2-HQ-ar показатель BPC составил 1,2672 против 1,3313 у базовой модели; специализированная версия AraToken-Qwen3-1.7B-LEP показала 1,2598.

Модель имеет интерфейс чата и вызова инструментов, однако карточка не приводит отдельной оценки этих возможностей. По сравнению с версией LEP она сохраняет исходный токенизатор и уступает ей в указанном сравнении BPC. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация арабского текста
  • продолжение арабских документов
  • подготовка арабского текста к языковой обработке с нормализацией токенизатором AraToken

Ограничения

В сравнении по BPC модель уступает AraToken-Qwen3-1.7B-LEP. Опубликованная оценка относится к первым 1 500 документам тестовой выборки указанного арабского датасета и сама по себе не подтверждает качество на других задачах.

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

AraToken-Qwen3-1.7B-CPT

The continued-pretraining baseline at 1.7B parameters. It uses the original tokenizer and the same data, trainable layers (24–27) and number of steps (2,000) as mariklolik/AraToken-Qwen3-1.7B-LEP.

Paper: AraToken: Optimizing Arabic Tokenization with Normalization Pipeline and Language Extension for Qwen3. Code: https://github.com/mariklolik/Aratoken.

ModelArabic BPC ↓
Qwen3-1.7B-Base1.3313
this model1.2672
AraToken-Qwen3-1.7B-LEP1.2598

BPC is bits per character on the first 1,500 documents of the held-out test split of mariklolik/AraToken-FineWeb2-HQ-ar. It compares models with different vocabularies on the same characters.

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "mariklolik/AraToken-Qwen3-1.7B-CPT"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype="bfloat16")

The tokenizer carries the AraToken normalizer: NFKC, Tatweel removal, Western digits, Latin punctuation and diacritics removal. Raw Arabic text can therefore be passed to it directly.

Citation

@article{kashirskiy2025aratoken,
  title   = {AraToken: Optimizing Arabic Tokenization with Normalization Pipeline and Language Extension for Qwen3},
  author  = {Kashirskiy, Mark and Lipinski, Artiom and Makarov, Ilya},
  journal = {arXiv preprint arXiv:2512.18399},
  year    = {2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
afb0817

0 моделей