/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
22 июл 2026

PyroDash-4B-GRPO-Lambda-0.05

Изображение и текст → текст3 профессии

Экспериментальная мультимодальная модель PyroMind на базе Qwen3.5-4B, которая отвечает на запросы по тексту и изображениям и динамически передаёт сложные задачи большой модели.

81скачиваний за 30 дней1лайквеса обновлены22 июл 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 «Изображение → 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

PyroDash-4B-GRPO-Lambda-0.05 — экспериментальный чекпойнт команды PyroMind, созданный дообучением Qwen/Qwen3.5-4B через PyroDash-4B-SFT с применением GRPO. Модель предназначена для визуально-текстового диалога и рассуждений с динамической передачей сложных запросов большой модели через внешний совместимый с OpenAI API сервис. Вариант λ=0,05 ориентирован на качество ответов и использует штраф за обращения к большой модели для балансировки точности и вычислительных затрат.

Архитектура — плотная мультимодальная Qwen3.5 на 4 млрд параметров; модель принимает текст и изображения и выдаёт текст. В карточке указаны английский и китайский языки. В приведённой оценке точность составила 64,04%, однако результат относится к описанной авторами оценке и не гарантирует качество на других задачах. Для сценария передачи запросов необходимы настроенный API большой модели, совместимая инфраструктура запуска и токенизатор со специальным токеном. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы по изображениям с возможностью передачи сложных запросов большой модели
  • визуально-текстовый диалог
  • решение задач на рассуждение с ограничением обращений к облачной модели

Ограничения

Для передачи запросов требуется настроенный API большой модели; запуск также зависит от совместимой инфраструктуры и специального токена в токенизаторе. Заявленный результат оценки не гарантирует качество на других наборах задач.

Для каких профессий подходит3

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

PyroDash-4B-GRPO-Lambda-0.05


This repository hosts PyroDash-4B-GRPO-Lambda-0.05 — the GRPO Stage 3 checkpoint with efficiency penalty λ = 0.05 (quality-oriented), fine-tuned from Qwen/Qwen3.5-4B via PyroDash-4B-SFT.

Companion models: SFT · GRPO λ=0.6


We propose PyroDash, a token-level dynamic reasoning paradigm for collaborative inference between small and large language models. PyroDash enables the small model to autonomously emit the control token <|llm_offload|> during autoregressive streaming decoding; the collaboration engine then dynamically offloads the local reasoning chain to a large model based on this control signal. This approach requires neither an additional router model nor retraining of the large model, and is naturally compatible with closed-source LLM services.

During training, PyroDash follows a three-stage progressive optimization pipeline: (1) train the control-token embedding layer so the small model acquires basic offloading expressiveness; (2) cold-start the offload capability to establish a collaboration pattern between the small and large models; and (3) apply GRPO (this checkpoint, λ=0.05) that jointly optimizes the dynamic offloading policy with a task-accuracy reward and a large-model call-cost penalty, achieving an adaptive balance between reasoning quality and compute cost.

Model Details

ItemValue
Base modelQwen/Qwen3.5-4B
InitPyroDash-4B-SFT
Stage(3) GRPO · λ = 0.05 (quality-oriented)
Control token<|llm_offload|>
SFT datasetEasyHard-24K
GRPO datasetBytedTsinghua-SIA/DAPO-Math-17k
Expert LLM (train/eval)GLM-5.2-FP8 (frozen)
Precisionbfloat16

Quick Start

1. Setup

git clone https://github.com/PyroMind-Dynamics/pyroDash.git
cd pyroDash
pip install -r requirements.txt

2. Run evaluation (evaluation/math_eval.sh)

Edit placeholders in evaluation/math_eval.sh, then:

bash evaluation/math_eval.sh

The script (1) starts a local vLLM server for the small model on port 8001, (2) runs math_eval.py, and (3) stops vLLM on exit.

Parameters

Variable / flagMeaningExample
MODELLocal merged model path (vLLM serve + tokenizer)/path/to/your/merged_model
--glm-base-urlOpenAI-compatible API for the large/relay modelhttp://your-glm-host:8000/v1
--glm-api-keyAPI key for that endpointyour-glm-api-key
--glm-modelServed model name on the GLM sideyour-glm-model
--output-dirPer-dataset JSON output directory./results_500
--datasetsBenchmarks (space-separated)gsm8k minerva olympiad aime2024 aime2025

Tokenizer must include the special token <|llm_offload|>.

Results

MethodAvg. Acc. (%)LLM Token Ratio (%)Avg. LLM CallsCost ($)
Qwen3.5-4B28.360.000.0002.26
Qwen3.5-4B (+SFT)46.250.000.0001.32
RouteLLM (~75% GLM-5.2-FP8)52.7477.370.80844.62
GlimpRouter (τ=0.9)54.2075.111.2031.61
PyroDash (λ=0.1)55.298.190.0584.71
PyroDash (λ=0.6)54.551.900.0121.78
PyroDash (λ=0.05) ← this64.0495.340.97539.29
GLM-5.2-FP857.68100.001.00049.36

λ=0.05 is the quality operating point (Avg. Acc. 64.04%, above GLM-5.2-FP8 alone). For low cloud cost (~1.9% LLM tokens), use λ=0.6.

Resources

ResourceLink
Project websitePyroMind-Dynamics.github.io/pyroDash
Codegithub.com/PyroMind-Dynamics/pyroDash
SFT dataset (EasyHard-24K)huggingface.co/datasets/pyromind/easyhard-24k
GRPO dataset (DAPO-Math-17k)huggingface.co/datasets/BytedTsinghua-SIA/DAPO-Math-17k
Hugging Face orghuggingface.co/pyromind

Citation

@misc{pyrodash2026,
  title        = {PyroDash: Cost-Efficient Token-Level Small-Large Model Collaborative Inference},
  author       = {{PyroMind Dynamics}},
  year         = {2026},
  note         = {Preprint}
}

@misc{pyromind2026easyhard24k,
  title        = {{EasyHard-24K} v0.02},
  author       = {{PyroMind Dynamics}},
  year         = {2026},
  howpublished = {\url{https://huggingface.co/datasets/pyromind/easyhard-24k}}
}

GRPO training data: BytedTsinghua-SIA/DAPO-Math-17k.

License

Apache 2.0 (derived from Qwen3.5-4B).

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
a5030b3

0 моделей