/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B-Base
Библиотека
transformers
Опубликована
9 сен 2026

Keural-Cortex-8B-step10000

Генерация текстаТекст → текст3 профессии

Промежуточный корейско-ориентированный чекпойнт Qwen3 для генерации текста и исследования эффектов продолженного предобучения.

31скачиваний за 30 дней0лайковвеса обновлены9 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

Keural Cortex 8B step 10,000 — промежуточный чекпойнт, опубликованный MKD Co., Ltd. Это плотная авторегрессионная модель семейства Qwen3 с 7,6 млрд параметров, полученная продолжением предобучения Qwen/Qwen3-8B-Base на преимущественно корейских данных. Чекпойнт содержит веса в формате safetensors и рассчитан на контекст до 32 768 токенов.

Модель предназначена для исследовательского сравнения чекпойнтов и анализа влияния продолженного предобучения на корейский текст. Она генерирует продолжение текста, но не обучена следовать инструкциям или вести диалог; постобучение не проводилось. Опубликован шаг 10 000 из 13 034, а обучение на этом шаге ещё не завершило спад скорости обучения.

Для чекпойнта не приводятся результаты бенчмарков, а проверка пересечений с оценочными наборами данных не завершена. Лицензия — Apache-2.0. Автор рекомендует использовать его только для исследований и сравнения чекпойнтов, а не для производственного или пользовательского развертывания.

Сценарии применения

  • сравнение промежуточных чекпойнтов продолженного предобучения
  • исследование генерации корейского текста
  • анализ влияния продолжения предобучения Qwen3
  • эксперименты с авторегрессионной генерацией текста

Ограничения

Модель не обучена следовать инструкциям, вести диалог или вызывать инструменты; бенчмарки не представлены, а проверка пересечений с оценочными наборами не завершена. Это незавершённый чекпойнт, предназначенный для исследований и сравнения, а не для пользовательского или производственного применения.

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

Keural Cortex 8B — intermediate checkpoint (step 10,000)

An intermediate checkpoint published for research and reproducibility, not for use. For the completed model see Keural-Cortex-8B-Base.

Korean-focused continued pretraining (CPT) of Qwen/Qwen3-8B-Base, by MKD Co., Ltd.

Progressstep 10,000 / 13,034 (76.7%)
Tokens seen31,457,280,000 (31.46 B) of 41.00 B
LR at this step1.0e-05 (WSD stable phase)
Context length32,768 (native)
Exported2026-09-05

Why this checkpoint is published

Training loss in this run plateaued at ≈1.818 from roughly step 5,200 (16.4 B tokens) and did not improve materially through to step 13,034 — the WSD decay phase contributed +0.0007. Whether downstream capability continued improving after that plateau is an open question, and answering it requires comparing checkpoints from across the run.

This checkpoint exists so that comparison is possible. Alongside step5000 (15.73 B tokens, 38%) and the final model (41.00 B, 100%), it gives three points spanning the plateau — one before it, two after — on an otherwise identical run.

⚠️ Limitations

  • Base model. No instruction following, no chat format, no tool calling, no thinking mode. It continues text rather than answering instructions. Post-training has not been performed. The bundled chat_template.jinja is inherited from the base tokenizer and does not indicate chat tuning.
  • Not evaluated. No benchmark numbers exist for this checkpoint.
  • Decontamination outstanding. N-gram overlap against the evaluation suites has not been checked.
  • Mid-training. The learning rate had not yet decayed at this point, so this is not a "finished" model in any sense — the final checkpoint saw a full decay to 1.0e-06.

Training configuration

Identical to the final checkpoint: sequence length 4,096, global batch 3,145,728 tokens/step, peak LR 1.0e-05 on a WSD schedule, AdamW (β 0.9/0.95, wd 0.1), grad clip 1.0, FSDP full shard on 4 × H200, bf16 with fp32 gradient reduction, FlashAttention-2, activation checkpointing.

Corpus: 38.784 B tokens across 19 sources — 42.45% Korean, 29.71% English/other, 15.19% code, 12.66% science/math. NamuWiki, Falcon-RefinedWeb and arXiv were excluded on licensing grounds.

Full details, including the loss analysis referenced above: github.com/MKD-CORP/Keural-Cortex-8B under CPT_details/.

License

Apache 2.0, inherited from Qwen/Qwen3-8B-Base. Derivative work of Qwen3-8B-Base by Alibaba Cloud; attribution required.

Intended use

Research and checkpoint comparison only. Not for production or user-facing deployment.

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
cdb7862

0 моделей