/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
affine-5g4yy75zuz-t6
Библиотека
transformers
Опубликована
19 авг 2026

new_4_5fzvat7wxi

Изображение и текст → текст

Экспериментальная мультимодальная модель Affine на базе Qwen3.5-MoE для диалоговых задач с изображениями и текстом, дообученная методом GRPO на примерах разработки ПО.

0скачиваний за 30 дней0лайковвеса обновлены19 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Affine SN120 candidate p28 — это экспериментальный чекпойнт модели зрения и языка, подготовленный командой Affine на основе vera6/affine-5g4yy75zuz-t6. Модель дообучена методом GRPO на корпусе диалогов Affine со сценариями разработки в стиле SWE; веса LoRA объединены с базовой моделью и сохранены в формате safetensors BF16. Архитектура — Qwen3.5-MoE с 40 слоями, 256 экспертами и 8 активными экспертами. Модель принимает текст и изображения и предназначена для диалоговых задач с визуальным вводом.

В локальном сравнении с базовой моделью p28 показала небольшое преимущество по средней оценке Reason, но не прошла установленный порог; авторы подчёркивают, что тест на 160 примерах не доказывает победу в полном сравнении. Основной описанный сценарий — диалоги по разработке ПО; лицензия Apache-2.0.

Сценарии применения

  • ответы на вопросы по изображениям в диалоге
  • анализ скриншотов в задачах разработки ПО
  • обсуждение SWE-сценариев с текстовым и визуальным вводом

Ограничения

В локальном тесте на 160 примерах модель не достигла порога, необходимого для подтверждения превосходства над базовой моделью; результаты не доказывают победу в полном сравнении. README не приводит оценку качества для иных сценариев.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Affine SN120 candidate p28 (HiAlpha-GRPO on p24 / t6)

Reason-v4 GRPO checkpoint trained in the /mining/ralph loop on an 8×H100 PCIe box. Pushed for a live SN120 duel against the sitting king vera6/affine-5g4yy75zuz-t6 @ 8e3f1695e058837ed80fec3238ff439fdc2d0f0e (reign 36). Architecture is stock Qwen3_5MoeForConditionalGeneration (hidden 2048, 40 layers, 256 experts / 8 active). No custom modeling code, no auto_map, no *.py.

Lineage

  1. Live king vera6/affine-5g4yy75zuz-t6 @ 8e3f1695e058837ed80fec3238ff439fdc2d0f0e
  2. p24 — HiAlpha-GRPO on that king (cand_p24-grpo-king-affine-5g4yy75zu). Local v4 screen vs t6: n=400, margin −0.00009, z −0.09, med |z| 139, B-pass 0.46 (tie / BELOW_BAR).
  3. p28 — same recipe on p24 (this repo). Merged LoRA → bf16 safetensors via /mining/sim/merge_lora2.py (nonzero delta + 333 visual tensors).

Experiment path: /mining/ralph/runs/p28-grpo-p24-grpo-king-affine-5g4

Method

Teacher-anchored Reason v4 GRPO (train_reason_grpo.py).

Per-sample reward:

a_i    = lpC(y_i | z_A) − lpC(y_i | ∅)     # k=3 teacher refs
Reason = τ · log((1/k) · Σ exp(a_i/τ))     # τ=0.03
reward = Reason + length_shape(|z|)        # penalize |z|≥220 only

Winner-only tail-boost 2.0 on the best group member. Ranked quantity is the thought z (action y is not the score). Teacher is the frozen Affine teacher zai-org/GLM-4.5-Air-FP8, two local vLLM TP=2 endpoints.

Data

  • Pool: /mining/ralph/data/grpo.jsonl
  • Kept 871 / 1200 rows (char budget 12288)
  • Affine public turn corpus D (SWE-style coding turns), same chat contract the validator uses (THOUGHT + last closed bash fence)

Hyperparameters

knobvalue
methodHiAlpha-GRPO (LoRA)
lr5e-6
LoRA r / α / dropout16 / 128 / 0.05
target modulesq,k,v,o,gate,up,down _proj
group size G4
steps200
max new tokens (z sample)64
max seq6144
KL coef0.0
tail-boost2.0 winner-only
length shapepenalty on |z|≥220, no length bonus
τ / k_refs0.03 / 3
dtypebfloat16

Train wall: 4524 s (~75 min). Last-20 mean reward 0.044. Trainable 8.36M / 34.7B (0.024%). GPUs 4–7 for LoRA (device_map=auto); teachers on 0–1 and 2–3.

Local sim vs live king (Reason v4, k=3, τ=0.03)

Screened 2026-08-19 against the same king SHA still sitting at push time (vera6/affine-5g4yy75zuz-t6 @ 8e3f1695…). gate_screen.py / fast_screen n=160:

candking
mean Reason0.011840.00995
med |z|144145
B-pass0.460.49
  • margin +0.00189 · SE 0.00149 · z +1.27 · n=160
  • win_frac 0.40 · median Δ 0 · p90 Δ +0.00943 · top-5% contrib +0.00288
  • gates: thought length PASS (≥80), causality B PASS (≥0.30)
  • live crown bar = max(2·SE, δ=0.002) ≈ 0.0030 on this slice
  • local verdict: BELOW_BAR (n=160 is a rejector vs live n_turns=1300)

p28 was the closest this-loop candidate vs t6. Live duel is n=1300 k=3; this n=160 slice does not prove a crown.

Serving

Same family the eval pod loads: Qwen3.5-MoE, canonical sharded safetensors (model-00001-of-00002 + model-00002-of-00002 + model.safetensors.index.json

  • model-visual.safetensors). No --trust-remote-code. Local screen served this merge with vLLM TP=2.

Hardware

8× NVIDIA H100 80GB PCIe. Merge on CPU (device_map=cpu).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
64a28d0

0 моделей