/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
2,6 млрд
Размер весов
61,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-30B-A3B-Base
Опубликована
20 сен 2026

bonsai-qwen3-30b-a3b-teacher-corrected

Генерация текстаТекст → текст3 профессии

Полностью дообученная на TypeScript MoE-модель Qwen3, предназначенная для генерации кода и использования в качестве учителя при дистилляции компактной специализированной модели.

489скачиваний за 30 дней0лайковвеса обновлены20 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

bonsai-qwen3-30b-a3b-teacher-corrected — контрольная точка проекта bonsai, созданная полным дообучением Qwen/Qwen3-30B-A3B-Base на исходном коде TypeScript. Это MoE-модель архитектуры Qwen3 с 30,5 млрд параметров, из которых активно используются около 3 млрд; карточка указывает 2,6 млрд параметров. Модель принимает текст и предназначена для генерации и продолжения текста, особенно кода на TypeScript. Контекст модели — 32 768 токенов.

Чекпойнт скорректирован под целевое распределение данных перед дистилляцией меньшей специализированной модели: он сам не прорежен и не дистиллирован. Дообучение выполнено на 6 000 примерах TypeScript за одну эпоху; автор сообщает о снижении проверочной потери с 0,9331 до 0,8842. Качество на прикладных задачах генерации кода пока не оценивалось, поэтому результаты не подтверждают преимущество в таких задачах. Лицензия — Apache 2.0.

Сценарии применения

  • генерация фрагментов кода на TypeScript
  • продолжение исходного кода TypeScript
  • подсказки при написании TypeScript
  • использование в качестве учителя для дистилляции модели генерации TypeScript

Ограничения

Модель не прорежена и не дистиллирована, а её качество на специализированных задачах генерации кода ещё не оценивалось. Дообучение проводилось на 6 000 примерах TypeScript, поэтому пригодность для других языков программирования не установлена.

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

bonsai-qwen3-30b-a3b-teacher-corrected

Qwen3-30B-A3B-Base, full-parameter fine-tuned on a TypeScript retraining pool. This is an intermediate checkpoint from bonsai, a project pruning and distilling this model into a smaller TypeScript-specialized one. It is not pruned and not distilled — it exists to serve as a teacher for later distillation steps, corrected toward the target domain before any student model learns from its logits.

Why this exists

Structured pruning + distillation recipes that distill from the original pretrained model assume access to (something close to) its original pretraining mix. We don't have Qwen3's pretraining mix, so distilling a pruned student directly from the uncorrected base model would hand it teacher guidance drawn from a distribution it was never trained to match downstream. Minitron's practical follow-up (arXiv 2408.11796) calls this "teacher correction": briefly fine-tune the teacher on the target retraining data before using it to distill anything, so the teacher's outputs are still trustworthy on the distribution the student is being trained for.

Training

  • Base model: Qwen/Qwen3-30B-A3B-Base (30.5B total params, MoE, 3B active)
  • Data: TypeScript source from bigcode/the-stack-dedup, one epoch, no repeats — 6,000 fresh samples (1500 steps × batch size 4), disjoint from the calibration pool used to score validation loss
  • Loss: plain LM cross-entropy, no distillation at this stage
  • Optimizer: 8-bit AdamW (bitsandbytes.optim.AdamW8bit)
  • LR schedule: linear warmup (15% of steps) → cosine decay to a floor; peak LR 2e-5, floor 2e-6 — winner of a 6-config sweep (3 peak LRs × 2 warmup fractions, 150 steps each) on both validation-loss delta and final train loss
  • Sequence length: 512 tokens, unpadded (gradient-accumulated single-sample forward/backward, no batching padding waste)
  • Hardware: 8x A100 (40GB SXM4), device_map="auto" with a per-GPU memory cap to leave headroom for gradients/optimizer state, gradient checkpointing enabled
  • Steps: 1500

Result

beforeafter
validation loss0.93310.8842

Validation loss measured on a held-out calibration shard (disjoint from the retraining pool by construction — shard-level split, not row-level).

What this is not

  • Not pruned. Still the full 30.5B-parameter MoE.
  • Not distilled from itself — a separate model didn't learn from this one's logits; this model was fine-tuned directly on TypeScript text.
  • Not benchmarked on downstream code-generation tasks (HumanEval-TS, MBPP-TS) yet — that comes after distillation into the pruned student candidates this checkpoint will teach.

Reproducing this

Training code: src/bonsai/training/ in the bonsai repo. The exact orchestration script used for this run is not committed (project convention keeps one-off GPU run scripts as scratch files, not permanent repo code) — the committed bonsai.training module is the reusable part; the run itself set peak_lr=2e-5, min_lr=2e-6, warmup_steps=225, total_steps=1500, batch_size=4 and used bitsandbytes.optim.AdamW8bit as the optimizer.

License

Apache 2.0, inherited from Qwen3-30B-A3B-Base.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
8599b86

0 моделей