/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Base
Библиотека
transformers
Опубликована
9 сен 2026

code-think-q4b-20260908

Генерация текстаТекст → текст3 профессии

Исследовательская дообученная версия Qwen3-4B для генерации кода и рассуждений при решении задач программирования.

102скачиваний за 30 дней0лайковвеса обновлены10 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

code-think-q4b-20260908 — исследовательский чекпойнт на базе Qwen/Qwen3-4B-Base, созданный командой modrill. Модель дообучена методом LoRA SFT на смеси трасс рассуждений учителей, после чего адаптер объединён с базовыми весами. Это плотная причинная языковая модель семейства Qwen3 примерно с 3,7 млрд параметров и контекстом 32 768 токенов; для генерации в режиме рассуждений README рекомендует включать think mode без предварительной вставки токена режима.

Модель предназначена для генерации кода и рассуждений при решении задач программирования. В карточке приведена оценка на 256 задачах dev-набора LiveCodeBench: 73 решения pass@1, но это результат одного запуска с фиксированным seed, а 136 генераций достигли лимита длины. Авторы прямо обозначают чекпойнт как исследовательский, а не продуктовый, поэтому результаты не следует считать подтверждённой оценкой качества или лидербордом. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация кода по условию задачи
  • решение задач программирования с пошаговыми рассуждениями
  • эксперименты с дистилляцией рассуждений в небольшие языковые модели

Ограничения

Это исследовательский чекпойнт; приведённые результаты получены на одном seed и не являются заявлением о позиции в рейтинге. На DEV256 136 из 256 генераций достигли лимита длины 32 768 токенов.

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

code-think-q4b-20260908

Research checkpoint: Qwen/Qwen3-4B-Base (906bfd4b4dc7f14ee4320094d8b41684abff8539) after V4 LoRA SFT on a Mix Distillation payload, then merged to full weights.

This is a research checkpoint, not a product. Single-seed diagnostic numbers only. Do not treat DEV256 as a leaderboard claim.

License: Apache-2.0, inherited from Qwen/Qwen3-4B-Base (verified from the local base README.md / LICENSE).

Base, teacher, and data

StudentQwen/Qwen3-4B-Base revision 906bfd4b4dc7f14ee4320094d8b41684abff8539
RecipeMix Distillation Mix-Large (Li et al., 2025, "Small Models Struggle to Learn from Strong Reasoners", arXiv:2502.12143): 0.2 traces from Qwen/Qwen3-30B-A3B-Thinking-2507 : 0.8 traces from Qwen/Qwen3-4B-Thinking-2507, one teacher trace per problem
Problems4155 unique problems (source_1ep_rows); physical 2-epoch concat = 8310 rows
Mix split831 (30B) : 3324 (4B) rows in the 1-epoch mix (n30/n4)
Dose32,424,225 assistant tokens / epoch; endpoint 64,848,450 assistant tokens (2 epochs)
Train seed42

Recipe

  • LoRA r64 / α128, dropout 0.0, seven projections: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
  • Embeddings / lm_head frozen except two-sided trainable B-rows for special tokens 151643 (<|endoftext|>), 151667 (<think>), 151668 (</think>). Qwen3-4B-Base embeddings were tied; training untied them. Token ids from adapter/TOKEN_ROWS_META.json.
  • Assistant supervised tail: <|endoftext|> (151643)
  • LR 1e-4, AdamW (β 0.9/0.95), cosine over assistant-token dose, warmup 6% (3,890,907 / 64,848,450 tokens), weight decay 0.1 (LoRA; row WD 0)
  • bf16 activations, fp32 trainable masters, no packing, no truncation, context 32768
  • 2 epochs, physical concat of the 1-epoch mix (same order). Endpoint-only score; no checkpoint picking.

Merged weights in this repo are the 2-epoch endpoint (step-000920, 64,848,450 assistant tokens). The LoRA adapter and B-row file are under adapter/.

Evaluation (DEV256)

256-problem LiveCodeBench-derived dev split. Seed 3407, think mode, no <think> prefill, max generation ~32k (model context 32768), sandbox-verified pass@1. Temperature 0.6, top-p 0.95, top-k 20.

Cap = generations that hit the 32k length limit without closing </think>.

Modelpass@1CapNotes
code-think-q4b-2026090873/256136this repo; seed 3407
Qwen3-4B-Base (same contract, think)63/2566bare base, seed 3407
Qwen3-4B-Base 5-seed band55.2 ± 4.9—seeds {3407→61, 12345→52, 20260903→49, 777→55, 2024→59}; sample SD 4.92

Single seed. These are research checkpoints, not product scores.

Why Mix (sibling V4 controls)

Pure strong-teacher traces hurt this 4B student; a same-size teacher and the 0.2:0.8 mix did not:

Sibling (same student / recipe family)pass@1Cap
V4 Q4B-THINK (100% 30B-A3B-Thinking traces)60/256150
V4 Q4B-THINK-T4BDATA (100% 4B-Thinking traces)72/256106
This Mix 0.2 : 0.873/256136

That pattern matches Li et al. 2025 (arXiv:2502.12143): small students often learn worse from much stronger reasoners than from a mixed or same-size teacher.

Usage

Merged full weights; no PEFT required at inference. Think mode: pass enable_thinking=True and do not prefill <think>.

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "modrill/code-think-q4b-20260908"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(
    repo, torch_dtype="bfloat16", device_map="auto"
)

system = (
    "You are an expert Python programmer. You will be given a question "
    "(problem specification) and will generate a correct Python program that "
    "matches the specification and passes all tests. You will NOT return "
    "anything except for the program."
)
messages = [
    {"role": "system", "content": system},
    {"role": "user", "content": problem_statement},
]
prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=True,  # think mode; no <think> prefill
)
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
output = model.generate(
    **inputs,
    max_new_tokens=32768,
    do_sample=True,
    temperature=0.6,
    top_p=0.95,
    top_k=20,
)
print(tokenizer.decode(output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=False))

Stop ids used in the official eval: 151643 (<|endoftext|>), 151645 (<|im_end|>).

Repo layout

  • Root: merged HF weights (config.json, model.safetensors, tokenizer, generation_config.json, chat_template.jinja) plus the merge record OFFICIAL_MERGE_RECEIPT.json
  • adapter/: LoRA (adapter_config.json, adapter_model.safetensors), two-sided B-rows (token_rows_both_sides.safetensors), TOKEN_ROWS_META.json, checkpoint MANIFEST.json
  • provenance/: train RUN_IDENTITY.json, TRAINING_CONFIG.json, POLICY.json; DEV256 COMPLETE.json; mix builder and MQ0 near-dup report
  • MANIFEST.sha256: sha256 of every uploaded file

Optimizer / resume states are not included.

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
6a026be

0 моделей