/ 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-SFT

Изображение и текст → текст3 профессии

Экспериментальный мультимодальный чекпойнт PyroDash на базе Qwen3.5-4B для диалога, понимания изображений и обучения передаче сложных запросов большой модели.

89скачиваний за 30 дней1лайквеса обновлены21 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.

  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-SFT — экспериментальный чекпойнт PyroDash от PyroMind Dynamics, дообученный методом SFT на базе Qwen/Qwen3.5-4B. Это плотная мультимодальная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration, предназначенная для диалогов и понимания изображений; основной сценарий проекта — совместная работа малой модели с большой через механизм передачи запросов на вычисление. Чекпойнт представляет второй этап обучения: холодный старт способности к offload после обучения управляющих токенов. В README приведены результаты на оценочном наборе: средняя точность 46,25% против 28,36% у исходной Qwen3.5-4B; на этом этапе модель не обращалась к большой модели. Для управления offload используется специальный токен <|llm_offload|>.

Модель принимает текст и изображения и формирует текстовые ответы. В карточке заявлены английский и китайский языки. Репозиторий содержит веса Safetensors для Transformers; LoRA-адаптер слит с базовой моделью. Лицензия — Apache-2.0. Это чекпойнт конкретного этапа обучения, а не финальная версия PyroDash с оптимизированной GRPO-политикой; результаты зависят от задачи и настройки оценки.

Сценарии применения

  • ответы на вопросы по изображениям
  • диалог с текстовым и визуальным контекстом
  • исследование совместной работы малой и большой языковых моделей
  • оценка качества SFT-чекпойнта PyroDash на задачах рассуждения

Ограничения

Это промежуточный чекпойнт этапа cold-start SFT, а не версия после GRPO-оптимизации политики передачи запросов; приведённые в README результаты относятся к конкретной оценке и не гарантируют качество на других задачах. Для использования специального управляющего токена токенизатор должен его поддерживать.

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-SFT


This repository hosts PyroDash-4B-SFT — the offload cold-start (Stage 2) checkpoint of PyroDash, fine-tuned from Qwen/Qwen3.5-4B.

Companion models: GRPO λ=0.05 · 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 (this checkpoint) to establish a collaboration pattern between the small and large models; and (3) apply GRPO reinforcement learning 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
Stage(2) Offload cold-start SFT (LoRA → merged)
Control token<|llm_offload|>
SFT datasetEasyHard-24K
Expert LLM (eval)GLM-5.2-FP8
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) ← this46.250.000.0001.32
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)64.0495.340.97539.29
GLM-5.2-FP857.68100.001.00049.36

Resources

ResourceLink
Project websitePyroMind-Dynamics.github.io/pyroDash
Codegithub.com/PyroMind-Dynamics/pyroDash
SFT dataset (EasyHard-24K)huggingface.co/datasets/pyromind/easyhard-24k
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}}
}

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
7c4264d

0 моделей