/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
4 сен 2026

Ссылки

Hugging Face

qwen3-8b-full-pretrain-junk-tweet-1m-en-sft

shirley09221
Генерация текстаТекст → текст6 профессий

Дообученная на alpaca_en диалоговая модель Qwen3-8B для генерации текста и выполнения инструкций.

17скачиваний за 30 дней0лайковвеса обновлены4 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.

Открыть конструктор бенчмарка

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

qwen3-8b-full-pretrain-junk-tweet-1m-en-sft — дообученная на наборе alpaca_en модель семейства Qwen3, разработанная пользователем shirley09221 на базе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате и может использоваться для ответов на запросы и выполнения инструкций на английском языке. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и принимает контекст длиной до 40 960 токенов.

Модель загружается через Transformers в формате safetensors. Базовая Qwen3-8B описана как многоязычная модель для генерации текста, рассуждений, следования инструкциям, работы с кодом и вызова инструментов, однако для этой версии карточка не подтверждает отдельные возможности сверх text-generation и диалогового режима. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

Сценарии применения

  • ответы на запросы на английском языке
  • выполнение инструкций на английском языке
  • генерация диалоговых ответов
  • создание черновиков и продолжение текста

Ограничения

README не приводит результатов оценки или подробностей обучения помимо дообучения на alpaca_en. Условия лицензии обозначены как other, без уточнения разрешённых способов использования.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen3-8b-full-pretrain-junk-tweet-1m-en-sft

This model is a fine-tuned version of qwen3-8b-full-pretrain-junk-tweet-1m-en on the alpaca_en dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.1
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 5.8.0
  • Pytorch 2.13.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
5251216

0 моделей

    Создать бенчмарк