/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
mistral3 · dense
Базовая модель
Ministral-3-8B-Reasoning-2512
Библиотека
transformers
Опубликована
1 окт 2026

SkillGym-Ministral-3-8B

Генерация текстаТекст → текст

Агентная языковая модель, дообученная применять предоставленные навыки и инструменты при решении многошаговых задач в изолированной среде.

105скачиваний за 30 дней0лайковвеса обновлены1 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

SkillGym-Ministral-3-8B — языковая модель, разработанная reasonwang и дообученная методом supervised fine-tuning на траекториях SkillGym. Она основана на mistralai/Ministral-3-8B-Reasoning-2512 и предназначена для агентных задач, в которых нужно находить подходящий навык, читать его инструкции и материалы, а затем применять их с помощью вызовов инструментов или команд в изолированной рабочей среде.

Модель обучена на 19 тысячах проверенных успешных траекторий от трёх моделей-учителей в течение двух эпох. Это плотная архитектура семейства Mistral 3; репозиторий содержит веса safetensors и использует библиотеку Transformers. Модель сохраняет шаблон чата базовой модели и может обслуживаться через OpenAI-совместимый сервер. Лицензия — Apache-2.0.

Модель подходит для автоматизации многошаговых задач, где агенту предоставлены навыки и инструменты. Она не настроена как универсальный чат-ассистент: в длинных эпизодах контекст может закончиться до завершения задачи, а рассуждения иногда повторяются и достигают лимита токенов на ход.

Сценарии применения

  • выполнение задач по инструкциям из папки навыка
  • выбор и применение подходящего навыка в агентном сценарии
  • решение многошаговых задач с вызовами инструментов
  • автоматизация действий в изолированной рабочей среде

Ограничения

Модель предназначена для агентных задач с навыками и инструментами, а не для универсального общения. В длинных эпизодах контекст может исчерпаться до завершения задачи; рассуждения иногда повторяются и достигают лимита токенов на ход.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SkillGym-Ministral-3-8B

SkillGym-Ministral-3-8B is Ministral-3-8B finetuned on SkillGym trajectories to use agent skills. It is one of the models released with the paper SkillGym: Training Skill-Use Agents with Automatic Verifiable Environment Generation.

An agent skill is a folder of instructions, reference documents, and scripts that an agent can consult while solving a task. This model is trained to read the relevant skill and apply it, through tool calls or shell commands, in a sandboxed workspace.

Results

Scores are on a 0-100 scale, higher is better. SkillGym is task success on the SkillGym test set. SkillEval and SkillsBench report the mean and standard deviation over three runs. Skill-Use-Bench reports the skill-use (SU) score. All models are evaluated with skills available, using MiniSwe-Agent as the harness.

ModelSizeSkillGymSkillEvalSkillsBenchSkill-Use-Bench
MiniCPM52B33.263.0 ± 0.610.8 ± 2.724.1
+ SkillGym SFT2B33.268.1 ± 2.06.1 ± 0.844.7
Ministral-38B17.555.7 ± 3.13.9 ± 2.74.3
+ SkillGym SFT (this model)8B49.577.5 ± 0.416.9 ± 1.355.1
Qwen3.54B33.862.8 ± 1.510.1 ± 1.38.8
+ SkillGym SFT4B47.070.8 ± 1.614.3 ± 1.048.7
Qwen3.59B41.365.7 ± 1.114.8 ± 3.514.8
+ SkillGym SFT9B59.574.7 ± 1.222.4 ± 4.249.6
Qwen3.527B55.376.2 ± 1.132.6 ± 2.328.3
+ SkillGym SFT27B62.880.1 ± 1.547.4 ± 5.174.2
Qwen3.5122B/10B53.069.8 ± 1.130.1 ± 2.516.8
+ SkillGym SFT122B/10B65.080.0 ± 0.353.6 ± 5.272.2

Training

Base modelmistralai/Ministral-3-8B-Reasoning-2512
Datareasonwang/skillgym-sft, 19k verified successful trajectories from three teacher models
MethodSupervised finetuning, 2 epochs
Learning rate1e-5 with linear decay, AdamW
Batch size128
Max sequence length65,536 tokens
ReasoningTrained with reasoning traces

Usage

The model keeps the chat template of its base model and can be served with any OpenAI-compatible server, for example vLLM.

vllm serve reasonwang/SkillGym-Ministral-3-8B

In our evaluation we use temperature 0.7, top_p 0.95. The skill names and descriptions are listed in the system prompt, and the agent reads the skill files itself.

Limitations

  • The model is an agent policy for tasks with skills and tools. It is not tuned as a general chat assistant.
  • Long episodes can exhaust the context budget before the task is finished.
  • Reasoning occasionally repeats itself and runs to the per-turn token limit.

Citation

@article{wang2026skillgym,
  title   = {{SkillGym}: Training Skill-Use Agents with Automatic Verifiable Environment Generation},
  author  = {Wang, Renxi and Hee, Mingshan and Koto, Fajri and Baldwin, Timothy and Li, Haonan},
  journal = {arXiv preprint arXiv:2609.37539},
  year    = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Mistral3ForConditionalGeneration
Ревизия весов
bd32379

0 моделей