/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
28 сен 2026

qwen-Manimator-1-grpo-merged

Генерация текстаТекст → текст3 профессии

Дообученная на Qwen3-8B языковая модель для генерации кода анимаций на Manim Community Edition по текстовым запросам.

226скачиваний за 30 дней0лайковвеса обновлены28 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

nabin2004 разработал qwen-Manimator-1-grpo-merged — полноразмерную объединённую модель на базе Qwen3-8B, дообученную для генерации анимаций с помощью Manim Community Edition (ManimCE). Это плотная языковая модель с архитектурой Qwen3ForCausalLM, примерно 7,6 млрд параметров, принимающая текстовые запросы и генерирующая текст, в частности код ManimCE. В карточке указана длина контекста 40 960 токенов; модель рассчитана на английский язык.

Модель предназначена для создания сценариев анимации и кода ManimCE по текстовому описанию. Опубликована в формате Safetensors с весами bfloat16/float16; README также указывает на отдельные репозитории LoRA-адаптера и квантизированной GGUF-версии. Базовая лицензия — Apache-2.0. Для запуска автор приводит пример развертывания через vLLM, задающий максимальную длину контекста 32 768 токенов.

Специализация на ManimCE делает модель полезной для создания математических и обучающих визуализаций, но карточка не сообщает о проверенных показателях качества или ограничениях генерации. Результат следует проверять и запускать в совместимом окружении ManimCE.

Сценарии применения

  • создание кода ManimCE по описанию сцены
  • анимация математических формул и графиков
  • подготовка обучающих визуализаций
  • генерация сценариев для Manim Community Edition

Ограничения

Специализирована на генерации анимаций для ManimCE; качество кода и визуального результата требует проверки и запуска в окружении ManimCE. Карточка не приводит оценок качества.

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

nabin2004/qwen-Manimator-1-grpo-merged

Full-weight merged release (bfloat16/float16 Safetensors) of qwen-Manimator-1-grpo-clean, fine-tuned from Qwen/Qwen3-8B for Manim Community Edition (ManimCE) animation generation.


Direct vLLM Deployment

You can deploy this model directly in vLLM without needing dynamic LoRA adapter loading:

python3 -m vllm.entrypoints.openai.api_server \
    --model nabin2004/qwen-Manimator-1-grpo-merged \
    --host 0.0.0.0 \
    --port 8000 \
    --max-model-len 32768 \
    --gpu-memory-utilization 0.90

Python / Transformers Quickstart

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "nabin2004/qwen-Manimator-1-grpo-merged"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

prompt = "<|im_start|>user\nWrite a ManimCE script animating a circle and a title 'GRPO'.<|im_end|>\n<|im_start|>assistant\n"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512, temperature=0.2)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

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
8419698

0 моделей