/ Модель

Характеристики

Контекст
524 288 токенов
Параметры
1 млрд
Лицензия
osl-3.0
Архитектура
gemma3_text · dense
Базовая модель
gemma-3-1b-it
Библиотека
transformers
Опубликована
10 ноя 2025

Qemma-Q14B

Генерация текстаТекст → текст15 профессий

Гибридная модель Gemma 3 и Qwen3 для диалогов, следования инструкциям, рассуждений и помощи с кодом.

3 791скачиваний за 30 дней2лайкавеса обновлены3 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

Qemma-Q14B — экспериментальная гибридная языковая модель Convergent Intelligence LLC, объединяющая веса Gemma 3 1B и Qwen3-14B. По карточке, модель использует основу Gemma с вниманием и выходной головой в стиле Qwen; веса спроецированы и выровнены, а затем модель дообучена на инструкциях и пошаговых рассуждениях. Для слияния применено масштабирование RoPE на Yarn с контекстом до 524 288 токенов. Модель предназначена для диалогов, следования инструкциям, анализа и помощи с кодом, а также для дальнейшего дообучения.

В метаданных указаны архитектура Gemma3ForCausalLM, библиотека Transformers, формат safetensors, 1 млрд параметров и лицензия OSL-3.0. Карточка перечисляет англоязычные наборы UltraChat 200k и MathInstruct. Модель может галлюцинировать; авторы не рекомендуют полагаться на неё в критически важных медицинских, юридических и финансовых решениях. Следует учитывать условия лицензий исходных моделей и данных.

Сценарии применения

  • ответы на вопросы и ведение диалога на английском языке
  • пошаговый разбор математических задач
  • анализ текстовых запросов и следование инструкциям
  • помощь с написанием и разбором кода
  • эксперименты с гибридным слиянием языковых моделей

Ограничения

Модель может галлюцинировать; авторы не рекомендуют использовать её для критически важных медицинских, юридических и финансовых решений. Модель получена слиянием разных архитектур, поэтому заявленная конфигурация и качество требуют проверки в целевой среде.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Qemma-Q14B

Gap Envelope Integral

  • My mathematical formulation to utilize space projections to "measure" the Jump between points of discontinuity found in Non-Differentialable Functions.

Redux

  • This Model underwent an additional merge between Qemma-redux and Qwen3-14B, in addition to adding Rope Scaling.

Additionally

  • Fusion Logic was updated to aid per layer fusion and post fusion embedding alignment.
  • Qemma is a HuggingFace-native hybrid model that merges Gemma-3 (1B) and Qwen-3 (14B) at the weight level (no adapters).
  • Design: Gemma MLP/body + Qwen attention/head, projected and aligned to Gemma’s hidden size. The model is then SFT-tuned for stepwise reasoning.
  • This variant uses Yarn based Rope Scaling with 1:* Ratio from max_position_embeddings = 524288

Quick start

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "reaperdoesntknow/Qemma-Q14B"
tokenizer = AutoTokenizer.from_pretrained(model_id, use_fast=True)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16).eval()

text = (
    "<|user|>"
    "What makes the sky blue?."
    "<|assistant|>"
    "<think><reasoning_step>"
)

inputs = tokenizer(text, return_tensors="pt", max_length=64, padding='max_length', truncation=True)
inputs = {k: v.to(model.device) for k, v in inputs.items()}

with torch.no_grad():
    model.eval()
    outputs = model.generate(**inputs, max_new_tokens=256, do_sample=True, min_length=32)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

What’s inside

  • Architecture:
  • Gemma-3 backbone (26 layers, hidden 1152, MLP 6912)
  • Qwen-style attention regrouped to Gemma’s 4×256 heads. (head_dim=128, hidden=5120, intermediate_size=17408, num_attn_heads=40, KV heads=8, num_hidd_layers=40)
  • Tokenizer: Gemma-3 tokenizer and chat template (see chat_template.jinja).
  • Training: SFT for instruction following and stepwise reasoning.

Intended use & limitations

Use: research, instruction following, code/help, analysis, further SFT/RLHF. Limits: may hallucinate; not for safety-critical, medical, legal, or financial decisions. Follow dataset/model licenses.

Training procedure

  • ~512 warm-start steps (HuggingFaceH4/ultrachat_200k) ~ A small post fussion training round was done (8 steps): to encourage embedding realignment.
  • ~256 SFT steps with (TIGER-Lab/MathInstruct + HuggingFaceH4/ultrachat_200k)

Framework versions

  • TRL: 0.25.0
  • Transformers: 4.57.1
  • Pytorch: 2.8.0+cpu
  • Datasets: 4.4.1
  • Tokenizers: 0.22.1

Mathematical Foundations: Discrepancy Calculus (DISC)

Qemma's cross-architecture fusion is built on the Gap Envelope Integral (GEI) — Chapter 7 of the DISC monograph. The discrepancy operator:

$$Df(x) = \lim_{\varepsilon \downarrow 0} \frac{1}{\varepsilon} \int_x^{x+\varepsilon} \frac{|f(t) - f(x)|}{|t - x|}, dt$$

When two architectures (Gemma, Qwen) are fused at the weight level, the resulting function is not smooth — it has jump discontinuities at layer boundaries where the two architectures' representations meet. The Mesh Fundamental Identity decomposes this:

$$f(b) - f(a) = \int_a^b f'(x),dx + \sum_{x \in J_f} \Delta f(x) + D^c f(I)$$

The GEI specifically measures the jump component $\sum |\Delta f(x)|$ — the total mismatch at fusion boundaries. The model name (GEI) references this directly: the Gap Envelope Integral is the mathematical tool for quantifying what happens when two different weight geometries are projected into a shared space.

Full theory: "On the Formal Analysis of Discrepancy Calculus" (CIx, 2026; Convergent Intelligence LLC: Research Division).

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Convergent Intelligence Portfolio

By Convergent Intelligence LLC: Research Division

Top Models from Our Lab

ModelDownloads
Qwen3-1.7B-Thinking-Distil501
LFM2.5-1.2B-Distilled-SFT342
Qwen3-1.7B-Coder-Distilled-SFT302
Qwen3-0.6B-Distilled-30B-A3B-Thinking-SFT-GGUF203
Qwen3-1.7B-Coder-Distilled-SFT-GGUF194

Total Portfolio: 49 models, 22,598 total downloads

Last updated: 2026-03-28 12:57 UTC


From the Convergent Intelligence Portfolio

DistilQwen Collection — Our only BF16 series. Proof-weighted distillation from Qwen3-30B-A3B → 1.7B and 0.6B on H100. Three teacher variants (Instruct, Thinking, Coder), nine models, 2,788 combined downloads. The rest of the portfolio proves structure beats scale on CPU. This collection shows what happens when you give the methodology real hardware.

Top model: Qwen3-1.7B-Coder-Distilled-SFT — 508 downloads

Full methodology: Structure Over Scale (DOI: 10.57967/hf/8165)

Convergent Intelligence LLC: Research Division

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
8958d56

0 моделей