/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
250 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.5-122B-A10B
Библиотека
transformers
Опубликована
26 сен 2026

SkillGym-Qwen3.5-122B-A10B

Генерация текстаТекст → текст

Дообученная на траекториях SkillGym модель Qwen для выполнения агентных задач с навыками и вызовом инструментов.

116скачиваний 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-Qwen3.5-122B-A10B — модель ReasonWang, дообученная методом supervised fine-tuning на траекториях SkillGym для работы с навыками агента. Она читает инструкции и справочные материалы навыка и применяет их при решении задач, вызывая инструменты или выполняя команды в изолированной рабочей среде. Модель основана на Qwen/Qwen3.5-122B-A10B с архитектурой Qwen3.5 MoE; размер базовой модели — 122 млрд параметров. Для сервинга сохраняет шаблон диалога базовой модели и поддерживает интерфейс вызова инструментов.

Модель предназначена для агентных задач, где нужно выбрать подходящий навык, следовать его инструкциям и довести работу до результата с помощью инструментов. Обучение выполнено на 19 тысячах проверенных успешных траекторий от трёх моделей-учителей в течение двух эпох. Лицензия — Apache-2.0.

Это специализированная политика агента, а не универсальный чат-ассистент. Длительные эпизоды могут исчерпать контекст до завершения задачи, а рассуждения иногда повторяются и достигают лимита токенов на ход. Хотя базовая модель мультимодальна, карточка описывает дообучение для применения навыков в агентных задачах; поддержка обработки изображений именно этой версией не подтверждена.

Сценарии применения

  • следование инструкциям навыка при выполнении задачи агентом
  • поиск и применение подходящего навыка из набора инструкций
  • решение задач в изолированной рабочей среде с помощью вызова инструментов
  • выполнение многошаговых действий по справочным материалам навыка

Ограничения

Модель специализирована на агентных задачах с навыками и инструментами, а не на обычном диалоге. Длинные эпизоды могут исчерпать контекст; 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-Qwen3.5-122B-A10B

SkillGym-Qwen3.5-122B-A10B is Qwen3.5-122B-A10B 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 SFT8B49.577.5 ± 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 SFT (this model)122B/10B65.080.0 ± 0.353.6 ± 5.272.2

Training

Base modelQwen/Qwen3.5-122B-A10B
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-Qwen3.5-122B-A10B

In our evaluation we use temperature 0.6, top_p 0.95, top_k 20. 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

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
d98f542

0 моделей