/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,6 млрд
Размер весов
61,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-30B-A3B-Instruct-2507
Библиотека
transformers
Опубликована
20 июн 2026

SPADE-Qwen3-30B-A3B-Games

Генерация текстаТекст → текст3 профессии

Дообученная MoE-модель Qwen для создания игровых сред и решения текстовых игр в игровом режиме SPADE.

180скачиваний за 30 дней0лайковвеса обновлены26 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

SPADE-Qwen3-30B-A3B-Games — модель семейства SPADE, разработанная на базе Qwen/Qwen3-30B-A3B-Instruct-2507 для игрового сценария. В обучении модель играет две роли: проектирует игровые среды в виде исполняемых описаний и выступает агентом, который решает созданные игры. Создатель среды поощряется за задания, соответствующие текущим возможностям агента, благодаря чему сложность учебных примеров адаптируется в ходе обучения.

Это MoE-модель с архитектурой Qwen3MoeForCausalLM, рассчитанная на генерацию текста и диалоговый режим; в метаданных также указана возможность интерфейса вызова инструментов. Контекстное окно составляет 262 144 токена, заявленный размер — 2,6 млрд параметров. Для работы предусмотрен формат safetensors и библиотека Transformers. Модель предназначена для генерации игровых сред и решения текстовых игр; лицензия — Apache-2.0.

Сценарии применения

  • создание исполняемых описаний игровых сред
  • генерация игровых задач с адаптивной сложностью
  • решение текстовых игр и головоломок
  • разработка агентов для взаимодействия с игровыми средами

Ограничения

README описывает игровую специализацию, но не приводит количественных оценок качества или подробных результатов бенчмарков. Исполняемые среды, создаваемые моделью, могут требовать проверки перед запуском.

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

SPADE-Qwen3-30B-A3B-Games

SPADE checkpoint for the games setting, trained from Qwen/Qwen3-30B-A3B-Instruct-2507.

SPADE trains a single model in two roles: an Environment Designer that writes executable environments, and a Reasoning Agent that solves them. The Designer is rewarded for producing environments at the frontier of what the Agent can currently solve, so the curriculum keeps pace with the policy instead of being fixed in advance. See the paper for details.

Base modelQwen/Qwen3-30B-A3B-Instruct-2507
Settinggames
Context length262,144

Quickstart

We advise you to use the latest version of transformers. With transformers<4.51.0, you will encounter the following error:

KeyError: 'qwen3_moe'
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "spade-rl/SPADE-Qwen3-30B-A3B-Games"

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

prompt = "Give me a short introduction to large language model."
messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(**model_inputs, max_new_tokens=16384)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()
print(tokenizer.decode(output_ids, skip_special_tokens=True))

Deployment

For deployment, you can use sglang>=0.4.6.post1 or vllm>=0.8.5 to create an OpenAI-compatible API endpoint:

  • SGLang:
    python -m sglang.launch_server --model-path spade-rl/SPADE-Qwen3-30B-A3B-Games --context-length 262144
    
  • vLLM:
    vllm serve spade-rl/SPADE-Qwen3-30B-A3B-Games --max-model-len 262144
    

Note: If you encounter out-of-memory (OOM) issues, consider reducing the context length to a shorter value, such as 32,768.

Best practices

We recommend temperature=0.7, top_p=0.8, top_k=20, min_p=0, following the sampling guidance on the base model card.

Related artifacts

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
fb771fa

0 моделей