/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
27 сен 2026

Wald-4B

Генерация текстаТекст → текст4 профессии

Wald-Q4B — дообученная модель на 4 млрд параметров, которая оценивает варианты решения и выдаёт калиброванную вероятность для каждого из них.

13 057скачиваний за 30 дней11лайковвеса обновлены12 окт 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

Wald-Q4B v2.1 — открытая модель решений на 4 млрд параметров от org2ai, дообученная на базе Qwen/Qwen3.5-4B. Она принимает описание ситуации и типизированные варианты ответа и выдаёт калиброванные вероятности для каждого варианта; модель рассчитана на маршрутизацию агентов и инструментов, классификацию, проверку фактов, оценку соответствия правилам и выбор действий в веб-интерфейсах. Для неуверенных ответов режим Auto может выполнить дополнительный проход рассуждения до 512 токенов.

Модель использует плотную архитектуру Qwen3.5 и предназначена для текстовых решений; базовая модель также поддерживает изображения и видео через неизменённую башню зрения, а README описывает работу с ними через Jev-совместимый сервер. В карточке приведены результаты собственных запусков на Decision Index, JevBench и задачах выбора элементов веб-страниц; это не результаты независимого лидерборда. Вероятность не гарантирует правильность, поэтому пороги следует настраивать на собственных данных. Для весов и кода указана лицензия Apache-2.0.

Сценарии применения

  • выбор действия агента из типизированных вариантов
  • маршрутизация запросов к инструментам
  • классификация и проверка фактов по заданным вариантам
  • оценка соответствия ответа правилам и политикам
  • выбор элемента веб-страницы для автоматизации
  • принятие решений по изображениям и видео через сервер

Ограничения

Вероятности модели не равны гарантии правильности, поэтому пороги нужно подбирать на собственных данных. Заявленные оценки получены авторами самостоятельно, а ответы после дополнительного рассуждения могут немного меняться.

Для каких профессий подходит4

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

Wald-Q4B v2.1

An open 4B decision model: send a state and typed options, get a calibrated probability for every option. Served through a Jev-compatible POST /v1/systemone API on your own GPU.

Why Wald-4B v2.1

  • Probabilities, not text: a calibrated probability for every option, nothing to parse.
  • Decision Index 0.3: 60.05 on the complete public suite (our run; v2.0: 54.18).
  • Thinks only when unsure: Auto 0.7 thinks natively on about half of the requests.
  • Fast: median 158 ms (serial, one request in flight, warm, processing time, one RTX PRO 6000, 200 DI 0.3 requests).
  • Web actions: Mind2Web element selection 92.3 % (test splits, 6 candidates; v2.0: 84.6 %).
  • Reads images and video zero-shot through Qwen3.5-4B's unchanged vision tower. Video (wald-serve 0.2.2): 87.4 % on VisualDecisionBench video (7,143 questions, our run), 2.5 s for a 15-second clip with 24 questions (serial, one RTX 5090).
  • Small and open: 4B, Apache-2.0.

Scores

BenchmarkWald-Q4B v2.1Jev 1.13 (hosted)
Decision Index 0.3, complete public suite60.05 (our full run; raw 70.12, breadth 58.63)57.96 (board public column)
JevBench public set (231)210*200/231
JevBench-XL TEST (8,177)67.75 %67.85 %
Mind2Web element selection (test task / website / domain)94.9 / 91.5 / 91.7 %88.3 / 86.9 / 86.6 %
Image decisions, 11 public Decision Index Vision benchmarks (our conversions)67.23no image input
JevAdvBench flip rate, lower is better7.1 %6.1 %

* Measured on Wald-4B v2.0.

Self-run, not leaderboard results; how each number was produced: evaluation/v2.1/. DI 0.3 run files: org2ai/Wald-Q4B-decision-index-results.

Quick start

hf download org2ai/Wald-4B --revision v2.1 --local-dir ./Wald-Q4B-v2.1 && cd Wald-Q4B-v2.1
./run.sh "$PWD"          # POST /v1/systemone on :8000 (one NVIDIA GPU, uv)

curl -s localhost:8000/v1/systemone -H 'Content-Type: application/json' -d '{
  "state": "The customer wants to return a damaged kettle.",
  "questions": {"route": {"type": "choice", "instructions": "Choose the support queue.",
    "criteria": {"returns": "Returns and refunds", "delivery": "Delivery tracking", "other": "Other"}}}}'

curl -s localhost:8000/v1/systemone -H 'Content-Type: application/json' -d '{
  "state": "Photo from the returns desk.", "images": ["data:image/jpeg;base64,..."],
  "questions": {"damaged": {"type": "noul", "instructions": "Is the item visibly damaged?"}}}'

curl -s localhost:8000/v1/systemone -H 'Content-Type: application/json' -d '{
  "state": "Aisle camera, last 15 seconds.", "videos": ["data:video/mp4;base64,..."],
  "questions": {"conceal": {"type": "noul", "instructions": "Does the shopper put an item into a bag or pocket?"}}}'

Video needs the server from main (wald-serve 0.2.2; the weights are the same as tag v2.1): one video per request, up to 32 MB and 300 s. By default the server sends 32 frames to vLLM as one native video ("video_route": "native32"). "video_route": "frames16" sends 16 labelled frames as images instead, and is used automatically when the request also has images. Details: docs/api.md, numbers: evaluation/v2.1/video.json.

API fields: docs/api.md. Server options, Docker and evaluation settings: RUNBOOK.md.

How it works

  • One forward pass reads a probability for every option from the model's option-letter logits (Qwen chat template), calibrated with a frozen temperature table.
  • Auto 0.7 (default): if the top probability is below 0.7, the model thinks once natively (at most 512 tokens) and reads the options again.
  • More than 26 options: a one-pass knockout over all options.
  • Images go through Qwen3.5-4B's vision tower, unchanged (zero-shot). The server decodes a video once per request; by default 32 frames go to the tower as one Qwen3.5 video, with timestamps.

Details

  • Training. One full-parameter pass of decision training from Qwen3.5-4B (chat), with a light KL anchor to the base model; the released weights are 0.85 × the trained model + 0.15 × the base (checkpoint 056A0-c31). Thoughts are the base model's own; no thought text was trained.
  • Data. About 23% of training tokens come from the train splits of public benchmarks that the Decision Index also draws on, reformatted as decisions. The rest is broad decision data: general decision tasks — rules and policies, classification, entailment and fact checking, tables and documents, judging (about 35%); hard decisions written and/or labelled by large frontier models, including robustness cases with perturbed states (about 15%); task-specific decision sets (about 11%); web and GUI actions (about 8%); and math and step-by-step reasoning (about 8%). Public datasets are used as train splits only. Contamination scan against the full Decision Index 0.3 public suite: 0 strict hits.
  • Limits. Scores are self-run; confidence is not correctness, so set thresholds on your own data. Answers after a thought are sampled and can vary slightly; one pass is deterministic. Thoughts are longer than v2.0's.
  • Licence. Apache-2.0 for weights and code (NOTICE). Earlier versions: tags v2.0, v1.2, v1.1, v1.0. GGUF of v2.1: org2ai/Wald-4B-GGUF. The larger model in the same family is org2ai/Wald-26B-A4B. Cite: CITATION.cff.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
d17e09a

0 моделей