/ Модель
Каталог

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
3 июл 2026

Ссылки

Hugging Face

qwen3-4b-file-ops-distilled

posttrainllm
Генерация текстаТекст → текст3 профессии

Специализированная дообученная Qwen3-4B для многошаговых операций с файлами и каталогами через вызов инструментов.

550скачиваний за 30 дней0лайковвеса обновлены19 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

posttrainllm/qwen3-4b-file-ops-distilled — специализированная плотная языковая модель семейства Qwen3, созданная posttrainllm дообучением Qwen/Qwen3-4B-Instruct-2507 методом дистилляции траекторий. Модель предназначена для многошаговых операций с файлами и каталогами через вызов инструментов: работы с путями и именами, создания, перемещения и удаления файлов, а также навигации по файловой системе. Её следует подключать после того, как маршрутизатор определил задачу как файловую и аргументы можно вывести из запроса.

Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors с точностью bf16; нативное окно контекста — 262 144 токена. В README заявлены результаты 100% на тесте file-ops hard gate и 95% на отложенном hardgen, при этом результат по задачам вне файловой области снизился с 59,6% до 42,3% относительно исходной модели. Лицензия — Apache-2.0.

Сценарии применения

  • создание и удаление файлов по запросу
  • перемещение файлов между каталогами
  • навигация по файловой системе
  • выполнение последовательности файловых операций с выводимыми аргументами

Ограничения

Модель узкоспециализирована: на задачах вне файловой системы наблюдается снижение качества, и она не проверялась как универсальный планировщик. Результат зависит от правильной маршрутизации запросов.

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 022моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.7Разработка и данныеDevOps, облако и эксплуатация IT-системAI помогает развёртывать, наблюдать и оптимизировать цифровые системы и облачную инфраструктуру.20 задач7 196моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-4B File-Ops Distilled

Summary

This is the first posttrainllm specialist package for a model we actually built: a fused Qwen3-4B-Instruct-2507 bf16 HF/MLX safetensors directory distilled for GorillaFileSystem multi-turn file-operation tasks.

It is a routed specialist, not the general Pace planner.

Artifact

  • Package id: qwen3-4b-file-ops-distilled
  • Public artifact: posttrainllm/qwen3-4b-file-ops-distilled
  • Public storage target: Hugging Face Hub model repo
  • Format: HF/MLX safetensors directory
  • Base: Qwen/Qwen3-4B-Instruct-2507
  • Precision: bf16
  • Training method: frontier/gold trajectory distillation rendered in the student's native tool-calling chat template

Measured Result

SuiteStock 4BDistilled 4B
File-ops hard gate58%100%
File-ops hardgen held-out-95%
Out-of-domain breadth59.6%42.3%

The file-ops domain saturated at 4B: the distilled model matched frontier on the hard and veryhard file-ops gates. The same training caused negative transfer outside that domain, so this package is only correct behind a router.

Recommended Use

Use this model when the router has already identified a file-operation task with derivable arguments: paths, file names, directories, moves, creates, deletes, and navigation through a file-system backend.

Do not use it as a general planner. For general multi-domain planning, use the planner lock in docs/sessions/planner-lock-2026-06-19.md: stock Qwen3-4B-Instruct-2507 bf16 with the plan-then-execute prompt.

Known Limits

  • The specialist regresses on non-filesystem BFCL multi-turn backends.
  • It was not validated as a broad Pace planner.
  • It depends on correct routing. Bad routing turns a narrow win into a broad regression.
  • The artifact is multi-GB and is published on Hugging Face Hub, not committed to this repository or required to remain in local cache.

License and provenance

  • Weights are derived from Qwen/Qwen3-4B-Instruct-2507, published under Apache-2.0. This package is distributed under the same Apache-2.0 license.
  • Training data: ~99 checker-passing DeepSeek-V4-pro rollouts over synthetic, templated GorillaFileSystem tasks authored by this repository (rejection-sampled SFT rendered in the student's chat template). An identical model was independently reproduced with teacher-free gold behaviour-cloning; see docs/learn/tool-calling-frontier-parity.md §8.1.
  • The distributed artifact is itself fused Qwen-derived weights; no BFCL datasets, teacher trajectories, or additional third-party weights are bundled. The evaluation methodology derives from Berkeley's BFCL multi-turn suite (Apache-2.0).

References

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
c896140

0 моделей

    Создать бенчмарк