/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Библиотека
transformers
Опубликована
24 сен 2026

qwen3-0.6b-reasoning-sft

Генерация текстаТекст → текст3 профессии

Компактная дообученная Qwen3-0.6B для диалоговой генерации текста с пошаговыми рассуждениями.

145скачиваний за 30 дней0лайковвеса обновлены24 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

Это компактная плотная языковая модель Qwen3-0.6B, дообученная разработчиком репозитория методом полного supervised fine-tuning с помощью TRL SFTTrainer на наборах трасс рассуждений Minimax M3. Модель содержит около 508 млн параметров и принимает текст; контекст — до 40 960 токенов. Она формирует диалоговый ответ, помещая ход рассуждения в специальный блок, а итоговый ответ — после него.

Модель предназначена для генерации текста в диалоге и задач, где полезно пошаговое рассуждение. Данные обучения взяты из Kenshiii/minimax-m3-reasoning-traces; README указывает на сокращение части длинных трасс при подготовке обучающих примеров. Карточка обозначает английский язык, а базовая Qwen3 описана как многоязычная; профиль этой дообученной версии сосредоточен на англоязычных данных. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация диалоговых ответов на английском языке
  • получение ответа с пошаговой трассой рассуждений
  • прототипирование текстового чат-бота
  • эксперименты с SFT на трассах рассуждений

Ограничения

Модель компактна и обучена на наборе трасс рассуждений, поэтому её качество и надёжность могут быть ограничены по сравнению с более крупными моделями. Часть длинных рассуждений в обучающих примерах была усечена.

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

qwen3-0.6b-reasoning-sft

Full-parameter supervised fine-tune of Qwen/Qwen3-0.6B on Kenshiii/minimax-m3-reasoning-traces (data/chat.jsonl).

Model details

Base modelQwen/Qwen3-0.6B @ c1899de289a04d12100db370d81485cdf75e47ca
MethodFull fine-tuning (TRL SFTTrainer)
Parameters596,049,920 total, 596,049,920 trained
Precisionfp32 master weights, bfloat16 autocast
Training sequence length2048 tokens
Chat templateQwen3 template, unchanged
Reasoning formatQwen3 native <think>…</think> block, followed by the final answer

Training data

  • Source: Kenshiii/minimax-m3-reasoning-traces @ 157ed14aecdb6e0fa0a09ea5981b45048cca2f3d, file data/chat.jsonl (single file; the other files in the repo are re-formattings of the same traces).
  • Format: system + user → assistant turn with the dataset's <thinking> trace mapped to Qwen3's reasoning_content (rendered as <think>), then the final answer. Loss on assistant tokens only.
  • Split (seed 42, domain-stratified, near-duplicate prompts grouped at 5-gram Jaccard ≥ 0.8): train 847 / validation 106 / test 106.
  • Truncation: 17 training examples exceeded 2048 tokens; the end of the reasoning trace was shortened, the final answer kept.

Training procedure

HyperparameterValue
Epochs (max)3
Learning rate2e-05
LR schedulercosine, warmup ratio 0.05
Weight decay0.01
Max grad norm1.0
Effective batch size16 (1 × 16 accumulation)
Optimizeradamw_torch_fused
Gradient checkpointingTrue
Checkpoint selectionlowest validation loss
Early stopping patience3 evaluations (every 10 steps)
Seed42
  • Steps: 80 (1.51 epochs), time 10.4 min, peak memory 13.6 GB.
  • Best validation loss: 1.0698 (checkpoint-40); final logged train loss: 0.8242.
  • Hardware: NVIDIA GeForce RTX 5060 Ti; CUDA 12.8.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "thealper2/qwen3-0.6b-reasoning-sft"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="auto", device_map="auto")

messages = [
    {"role": "system", "content": "You are a careful, step-by-step reasoner. For each problem, think through it methodically, then give a final answer."},
    {"role": "user", "content": "Solve x^2 - 7x + 12 = 0 and verify both roots."},
]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
output = model.generate(**inputs, max_new_tokens=2048)
print(tokenizer.decode(output[0, inputs.input_ids.shape[1]:], skip_special_tokens=True))

The model writes its trace inside <think>…</think> and the final answer after </think>. It was trained with the system prompt shown above.

Framework versions

  • transformers: 5.17.0
  • trl: 0.24.0
  • torch: 2.11.0+cu128
  • datasets: 4.3.0
  • accelerate: 1.12.0

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
a2d039d

0 моделей