/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
6 сен 2026

Orca-2-4B-hight

Генерация текстаТекст → текст10 профессий

Производная от Qwen3-4B текстовая модель для генерации кода, рассуждений и выполнения агентных задач с вызовом инструментов.

743скачиваний за 30 дней1лайквеса обновлены27 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 «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

Orca-2-4B-hight — текстовая модель генерации на архитектуре Qwen3ForCausalLM, опубликованная roskosmos19. Это производная от Qwen3-4B модель с фокусом на программирование и агентные сценарии: она может вести диалог, рассуждать и формировать вызовы инструментов. По описанию автора, переход к генерации за один проход вместо обязательной трёхэтапной схемы сокращает задержку и стоимость работы; длинный ответ генерируется по необходимости.

Модель содержит 3,7 млрд параметров и поддерживает контекст до 32 768 токенов. Для развёртывания указана библиотека Transformers; файлы репозитория представлены в формате safetensors. Автор рекомендует квантованные варианты Q4_K_M или AWQ для ускорения, но они не заявлены как формат файлов этой модели.

Модель предназначена для генерации и анализа кода, решения задач с использованием инструментов и диалоговой помощи при разработке. В README нет сведений о поддерживаемых естественных языках. Лицензия — Apache 2.0.

Сценарии применения

  • генерация и исправление кода
  • анализ кода и помощь в программировании
  • выполнение задач с вызовом инструментов
  • диалоговый помощник для разработчика

Ограничения

Контекст ограничен 32 768 токенами; автор рекомендует использовать в производственной среде контекст до 16–24 тысяч токенов ради скорости и расхода видеопамяти. Поддерживаемые естественные языки в карточке не перечислены.

Для каких профессий подходит10

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

Orca-4B-Agentic

Faster • Cheaper • Stronger for agentic & coding tasks

Optimized successor of the original Rhea-4B-Coding / Athenea line.

What changed for better price/performance

AspectOriginal multi-pass RheaRhea-4B-Agentic (this)
Reasoning styleForced 3-pass (implement→review→final)Single-pass + optional <think>
Context262k32 768 (covers real agent workloads)
Forced long outputsmin_new_tokens=1024Removed – answers as long as needed
Special tokensBroken prefixes + many visionClean + lean (tools + thinking only)
Generation defaultsHigh temp / long forcedTuned 0.4 / 0.9 for quality + speed
Agentic readinessGoodImproved tool-calling template
Inference cost (VRAM/time)Higher (long forced reasoning)Significantly lower

→ Same 4B base intelligence, noticeably faster and cheaper to run, better real-world agentic behavior because it is no longer forced into three full generations.

Why this is better for agentic tasks

  • Standard <think>...</think> for chain-of-thought (optional, model decides when useful)
  • Clean, reliable tool-calling format
  • No artificial multi-pass overhead that multiplies latency and cost
  • Strong coding + reasoning focus retained
  • System prompt encourages precise, secure, efficient solutions

Technical specs

  • Architecture: Qwen3ForCausalLM (4B)
  • Context: 32 768 tokens
  • Special tokens: <|im_start|>, <|im_end|>, <think>, </think>, tool tags
  • Recommended quant: Q4_K_M / AWQ for best speed/quality

Recommended settings

{
  "temperature": 0.4,
  "top_p": 0.9,
  "top_k": 30,
  "repetition_penalty": 1.05,
  "max_new_tokens": 8192
}

Quickstart

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "./Orca-2-4B-high"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

messages = [
    {"role": "user", "content": "Write a secure Python function that validates JWT tokens and handles expiration gracefully."}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)

outputs = model.generate(**inputs, max_new_tokens=2048)
print(tokenizer.decode(outputs[0][len(inputs.input_ids[0]):], skip_special_tokens=False))

Deployment tips (max cheapness)

  • vLLM / SGLang: --max-model-len 32768
  • llama.cpp: Q4_K_M or Q5_K_M
  • Keep context ≤ 16k–24k in production for optimal speed/VRAM

Credits

  • Base: Qwen3-4B + Athenea / Rhea coding lineage
  • Optimized for agentic use, single-pass thinking, lower cost

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
492da21

0 моделей