/ Модель

Характеристики

Контекст
262 144 токена
Параметры
22,3 млрд
Размер весов
53,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.6-27B
Библиотека
transformers
Опубликована
13 авг 2026

qwen3p6-27b-expthink-step60

Генерация текстаТекст → текст3 профессии

Текстовая модель на базе Qwen3.6-27B, дообученная для более коротких рассуждений при генерации ответов на вопросы и решении проверяемых задач.

38скачиваний за 30 дней0лайковвеса обновлены16 авг 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

ryankim17920/qwen3p6-27b-expthink-step60 — текстовая дообученная модель на базе Qwen/Qwen3.6-27B, опубликованная как шаг 60 эксперимента ExpThink. Она предназначена для генерации ответов с рассуждением и сокращения числа токенов во внутреннем рассуждении. Модель содержит языковую часть Qwen3_5ForCausalLM, имеет 22,3 млрд параметров и контекст до 262 144 токенов; формат весов — Safetensors. Это только текстовая модель: зрительная часть базовой мультимодальной модели в репозитории отсутствует.

В оценке на англоязычных задачах вопросов и ответов, математике и тестах с выбором ответа модель сократила число токенов рассуждения на 52,71% на IID и на 33,80% на OOD по сравнению с базовой моделью. В этих ограниченных тестах регрессии точности не наблюдалось, однако объём выборки и три случайных seed не позволяют считать улучшение точности статистически подтверждённым. Обучение продолжало предыдущий чекпойнт ещё на 10 шагов со сброшенными оптимизатором и планировщиком.

Модель может применяться для ответов на проверяемые вопросы, математических задач и тестов на общие и научные знания, когда важно уменьшить длину рассуждений. Карточка не подтверждает качество для общего диалога, программирования, многоязычной работы, использования инструментов или безопасного поведения. Для запуска требуется актуальная версия Transformers с поддержкой текстовых моделей Qwen 3.5; Apache-2.0 унаследована от базовой модели.

Сценарии применения

  • решение математических задач с пошаговыми рассуждениями
  • ответы на англоязычные вопросы с проверяемым результатом
  • прохождение тестов с выбором ответа по общим знаниям
  • ответы на вопросы по научным знаниям
  • сокращение длины рассуждений в системах генерации текста

Ограничения

Оценка охватывает только англоязычные проверяемые QA и тесты с выбором ответа на ограниченной выборке; качество общего диалога, программирования, многоязычных задач, применения инструментов и безопасности не оценивалось. Сокращение рассуждений не гарантирует правильность ответа; высокорисковые выводы следует проверять.

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

Qwen3.6-27B ExpThink — step 60

This is a text-only efficient-reasoning fine-tune of Qwen/Qwen3.6-27B. It reduces the number of tokens emitted inside the model's thinking span while retaining the base model's observed accuracy on the fixed evaluation described below.

This is a continuation of ryankim17920/qwen3p6-27b-expthink-step50, trained for an additional 10 steps (steps 51–60) with a fresh optimizer and scheduler. The fresh-optimizer caveat applies: the continuation was not a seamless extension of the step-50 training state.

This repository contains only the tuned language-model tower (Qwen3_5ForCausalLM). It does not contain the base model's vision tower and must not be advertised or loaded as an image-text model. The Apache-2.0 license is inherited from the base model.

Results

The paired evaluation used decoding seeds 0, 1, and 2, temperature 1.0, top-p 0.95, top-k 20, thinking enabled, and at most 200 examples per dataset. IID generations were capped at 8,192 tokens and OOD generations at 32,768.

splitbase accuracytuned accuracybase thinking tokenstuned thinking tokensreduction
IID94.74%94.86%1,071.4506.752.71%
OOD83.95%86.45%6,2314,12533.80%

Truncation fell from 0.45% to 0.33% on IID and from 5.96% to 2.56% on OOD. GPQA Diamond truncation fell from 14.65% to 6.73%. Three decoding seeds at this sample size do not establish a statistically conclusive accuracy improvement; the supported conclusion is no observed accuracy regression. Aggregate evidence and full protocol metadata are in {{EVAL_REPO}}.

Compared to step 50 (IID 46.75% token reduction, OOD 28.81%), step 60 improves compression on both splits (IID 52.71%, OOD 33.80%) with a small IID accuracy delta of −0.21 pp relative to step 50 and an OOD accuracy improvement of +0.22 pp.

Training

The model was trained for 10 additional successful updates (steps 51–60) over a 7,176-prompt draw from the same mixture as step 50: GSM8K, ARC Challenge, ARC Easy, CommonsenseQA, OpenBookQA, QASC, and SciQ. Each sampled training prompt produced eight rollouts. Training used a correctness-gated ExpThink reward that compares a correct response with the shortest previously observed correct response for the same prompt; wrong and truncated responses receive no compression reward. The continuation used no KL reward term and a learning rate of 1e-6. The optimizer and scheduler were reset at step 51 (fresh start, not a resume of step-50 state). Final-step training health: entropy 0.2614 (within [0.18, 0.40]), mean reward 0.5435, rollout/actor correlation 0.9990, clip fraction 0.0%, aborted ratio 0.0%.

Only step 60 is published.

Use

Use a recent Transformers release with Qwen3.5 text-model support. The exported configuration records Transformers 5.6.0; Transformers 5.7 or newer is the conservative requirement for downstream use. The architecture uses gated linear attention, so accelerator-specific kernels may also be required by the chosen runtime.

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "ryankim17920/qwen3p6-27b-expthink-step60"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(
    repo,
    torch_dtype="auto",
    device_map="auto",
)

messages = [{"role": "user", "content": "Solve 17 * 23. End with Answer: N"}]
inputs = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    enable_thinking=True,
    return_tensors="pt",
).to(model.device)
output = model.generate(inputs, max_new_tokens=8192)
print(tokenizer.decode(output[0][inputs.shape[-1]:], skip_special_tokens=True))

The evaluation used a temporary composite containing this exact tuned text tower plus unchanged base-only multimodal tensors because that was the proven tensor-parallel SGLang serving path. The released artifact is the independently useful text tower, not that temporary composite.

Limitations

  • The evaluation covers English verifiable QA and multiple-choice tasks, not general chat, coding, multilingual use, tool use, or safety behavior.
  • Results use up to 200 examples per dataset and three decoding seeds.
  • Shorter reasoning is not a correctness guarantee. Users should verify answers in high-impact settings.
  • This fine-tune did not add a safety stage. It inherits base-model risks and may produce inaccurate, biased, or harmful text.
  • The model is text-only despite its multimodal base model.
  • This is a continuation from step 50 with a fresh optimizer and scheduler; it is not a seamless extension of the step-50 training trajectory.

Reproducibility

Training and evaluation code is maintained in RyanKim17920/open-thinkingcap. The evaluation artifact repository records the dataset source manifest, model fingerprints, sampling settings, engine version, tensor-parallel size, and confidence intervals.

publication_manifest.json records every released file's byte size, full SHA-256, and Git blob OID. Publication verifies the Hub's LFS SHA-256 or Git blob OID for each file before the repositories receive their final visibility.

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_5ForCausalLM
Ревизия весов
a83aca4

0 моделей