/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8,9 ГБ
Лицензия
Своя лицензия
Архитектура
fleet · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
28 сен 2026

Fleet-Semantic-4B-v0.10

Генерация текстаТекст → текст9 профессий

Fleet Semantic 4B v0.10 — диалоговая языковая модель с семантической маршрутизацией к специализированным LoRA-экспертам для генерации ответов и выполнения профильных задач.

141скачиваний за 30 дней0лайковвеса обновлены28 сен 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

Fleet Semantic 4B v0.10 — модель генерации текста от noumenon-labs, созданная на базе Qwen/Qwen3-4B-Instruct-2507. Это плотная причинная языковая модель архитектуры FleetForCausalLM с 3,7 млрд параметров и контекстом до 262 144 токенов. Внутри одной модели размещены специализированные LoRA-преобразования, которые выбираются во время вывода с помощью семантической маршрутизации.

Модель предназначена для диалогов и генерации ответов с маршрутизацией к экспертам по математическим рассуждениям, медицине, юридическим операциям, определению намерений, вызову функций и структурированному выводу. Доступны режимы exact, balanced и fast; версия 0.10 оптимизирует маршрутизацию, разреженное выполнение LoRA и пакетную генерацию. Поддержка русского языка в предоставленных данных отдельно не подтверждена.

Разработчик обозначает Fleet как исследовательский прототип. Качество и задержку режимов balanced и fast следует оценить на целевых задачах; крупные fused kernels, интеграция с vLLM/Punica и continuous batching не входят в эту версию. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории модели и её базовой модели.

Сценарии применения

  • генерация диалоговых ответов с выбором подходящего эксперта
  • решение математических задач и объяснение рассуждений
  • ответы на вопросы медицинской тематики
  • выполнение юридических операций и обработка правовых запросов
  • определение намерений пользователя
  • вызов функций и формирование структурированного вывода

Ограничения

Fleet обозначена как исследовательский прототип; качество и задержку режимов balanced и fast требуется оценивать на целевых задачах. Интеграция с vLLM/Punica и continuous batching в эту версию не входят.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Fleet Semantic 4B v0.10

Fleet Semantic 4B v0.10 is an optimized FleetForCausalLM release built on Qwen/Qwen3-4B-Instruct-2507.

Fleet is a research Semantic Inference Language Model (SiLM) architecture: specialist LoRA transformations live inside one causal language model and are selected internally during inference.

What changed in v0.10

The learned model/expert tensors are inherited from noumenon-labs/Fleet-Semantic-4B. v0.10 changes the runtime architecture rather than retraining the checkpoint.

Always-on core optimizations:

  • branchless dynamic k=0/1/2 routing;
  • computationally sparse top-2 LoRA execution;
  • batch-aware semantic routing;
  • padding-aware batched semantic pooling;
  • removal of repeated weight-prototype normalization in the generation hot path;
  • dynamic .fleet install/uninstall/export;
  • Accelerate CPU-offload compatibility.

Runtime modes

Exact

model.set_fleet_mode("exact")

Uses semantic routing plus Fleet's LoRA weight-space geometry and refreshes semantic routing during decoding. This is the default mode.

Balanced

model.set_fleet_mode("balanced")

Uses semantic-only expert selection while retaining semantic refresh during decoding. This removes per-projection weight-geometry scoring.

Fast

model.set_fleet_mode("fast")

Uses semantic-only routing and reuses the prompt semantic route throughout decoding.

Inspect the active behavior with:

print(model.fleet_speed_config())

Load

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

repo = "noumenon-labs/Fleet-Semantic-4B-v0.10"

tokenizer = AutoTokenizer.from_pretrained(repo)

model = AutoModelForCausalLM.from_pretrained(
    repo,
    trust_remote_code=True,
    dtype=torch.bfloat16 if torch.cuda.is_bf16_supported() else torch.float16,
    device_map="auto",
)

model.set_fleet_mode("exact")
print(model.experts())

Batched generation

v0.10 removes Fleet v0.9's batch-size-1 semantic-routing restriction.

tokenizer.padding_side = "left"
if tokenizer.pad_token_id is None:
    tokenizer.pad_token = tokenizer.eos_token

messages = [
    [{"role": "user", "content": "Solve 3x + 4 = 19."}],
    [{"role": "user", "content": "Explain how insulin lowers blood glucose."}],
]

texts = [
    tokenizer.apply_chat_template(
        m,
        tokenize=False,
        add_generation_prompt=True,
    )
    for m in messages
]

inputs = tokenizer(
    texts,
    padding=True,
    return_tensors="pt",
).to(model.get_input_embeddings().weight.device)

output = model.generate(
    **inputs,
    max_new_tokens=64,
    do_sample=False,
)

Installed experts

  • math_reasoning
  • medical_reasoning
  • legal_ops
  • intent
  • function_calling
  • structured

Dynamic experts

model.experts()
model.install("robotics.fleet")
model.uninstall("robotics")
model.export_adapter("structured", "structured.fleet")

Normal generation does not require an expert= argument. Routing stays internal to FleetForCausalLM.

Validation

The release notebook requires the following before upload:

  • standalone AutoModelForCausalLM loading;
  • FleetForCausalLM architecture;
  • batch-size-2 generation;
  • exact, balanced, and fast mode generation;
  • .fleet export;
  • expert uninstall;
  • expert reinstall;
  • restored expert registry.

See fleet_v010_validation.json in this repository after release.

Status

Fleet remains a research prototype. The v0.10 runtime optimizations should be benchmarked for both task quality and latency before treating balanced or fast as replacements for exact.

Large-scale fused kernels, vLLM/Punica integration, and continuous batching are intentionally outside this release. v0.10 focuses on the model architecture itself.

Architecture: FleetForCausalLM
Backbone: Qwen/Qwen3-4B-Instruct-2507
Fleet version: 0.10.0
Default runtime mode: exact

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
FleetForCausalLM
Ревизия весов
7a449bd

0 моделей