Характеристики

Контекст: 262 144 токена
Параметры: 2,6 млрд
Размер весов: 61,1 ГБ
Архитектура: qwen3_moe · MoE
Базовая модель: Qwen3-Coder-30B-A3B-Instruct
Библиотека: transformers
Опубликована: 7 сен 2026

Ссылки

Hugging Face

qwen3coder-calendar-agent-v49-lr4-step6

penfever

Генерация текстаТекст → текст3 профессии

Дообученная модель Qwen3-Coder для диалогового выполнения агентных задач календаря.

248скачиваний за 30 дней0лайковвеса обновлены7 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Контрольная точка Qwen3-Coder-30B-A3B-Instruct, дообученная методом RLOO для агентных задач календаря на источнике TaskTrove v4.9. Модель использует MoE-архитектуру Qwen3 и предназначена для диалогового управления календарными сценариями; в метаданных указан контекст до 262 144 токенов и 2,6 млрд параметров.

В проверке на фиксированной выборке модель получила среднюю награду 0,4609375 и прошла 59 из 128 заданий. Позже обнаружилось пересечение этой выборки с обучающим источником, поэтому результат служит статистикой отбора и не является независимой оценкой обобщения. Лицензия в предоставленных данных не указана.

Сценарии применения

выполнение календарных задач в агентном сценарии
диалоговое управление календарём
автоматизация действий с календарём

Ограничения

Оценка на фиксированной выборке загрязнена пересечением с обучающим источником и не отражает независимую обобщающую способность; результат составил 59 из 128 проходов. Лицензия в предоставленных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели III.10Корпоративные функцииПроекты, процессы и операционное управлениеAI помогает планировать работу, обнаруживать отклонения и улучшать операционные процессы.25 задач2 527моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-Coder calendar agent RL — LR 4e-6, step 6

Qwen3-Coder-30B-A3B-Instruct after asynchronous RLOO training on the TaskTrove v4.9 agent-calendar source with identity-aware shaped reward. This checkpoint scored 0.4609375 mean reward (59/128 passes) on the fixed holdout. The holdout was later found to overlap the training source, so this score is a selection statistic, not an uncontaminated estimate of generalization.

Native checkpoint: q3c-rl-calendar-agent-v49-shaped-nodapo-lr4-r1/global_step_6.

Training Traces

The complete experiment artifacts, configs, metrics, trace samples, tracker, and contamination analysis are in qwen3coder-iris-rl-data-sweep-artifacts.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3MoeForCausalLM
Ревизия весов: 18f4fb8