/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Размер весов
4,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
vllm
Опубликована
1 окт 2026

Qwen3-1.7B-plumb

Генерация текстаТекст → текст6 профессий

Дообученная Qwen3-1.7B с отдельной головой для вероятностного выбора и оценки заданных вариантов в диалоговом контексте.

464скачиваний за 30 дней0лайковвеса обновлены2 окт 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

Qwen3-1.7B-plumb — модель на базе Qwen3-1.7B от Totum Labs для диалогов и генерации текста с дополнительной головой принятия решений. Она выбирает из заданных вариантов, отвечает «да» или «нет» либо выставляет оценку, выдавая вероятности для вариантов и калиброванное решение за один проход по уже накопленному KV-кэшу. В репозитории веса Qwen3-1.7B сохранены без изменений; добавлены обученная голова решений на 51,5 млн параметров и адаптер LoRA, активный при обработке решений. Общий размер базовой модели — 1,7 млрд параметров, длина контекста — до 40 960 токенов.

Модель предназначена для принятия структурированных решений в диалоге, в том числе выбора варианта по контексту, ранжирования заданных вариантов и выставления оценок; она также сохраняет возможности базовой Qwen3 для генерации текста и общения. README сообщает о тестировании на 447 отложенных решениях и приводит более высокую точность, чем у базовой модели в указанных настройках. Для работы требуются vLLM 0.30.0 и плагин Plumbify; указано ограничение на запуск на одном GPU без tensor и pipeline parallelism. Обучающие решения были на английском, а голова выбирает только из предложенных вариантов и не проверяет их корректность. Лицензия — Apache-2.0.

Сценарии применения

  • выбор одного варианта из нескольких по контексту диалога
  • ответы «да» или «нет» с вероятностями
  • оценка решения по заданной шкале
  • структурированное принятие решений в чат-боте
  • получение вероятностей и конформного набора для вариантов

Ограничения

Для работы нужны vLLM 0.30.0, плагин Plumbify и один GPU; параллелизм по тензорам и конвейеру не поддерживается. Голова решений обучалась на английском, выбирает только из предложенных вариантов и не проверяет их осмысленность; решения, переданные модели во время генерации, отличаются от обучающих примеров.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-1.7B-plumb

Qwen/Qwen3-1.7B with a plumb: a decision head built into the model. It answers typed decisions (pick one of these options, yes or no, a score on a scale) in one forward pass, with a calibrated probability for every option, reading the KV cache the conversation already filled. It is a Jev-style decision model inside the LLM instead of next to it. The base weights are unchanged, so the model chats, reasons and calls tools exactly like Qwen/Qwen3-1.7B.

Made with Plumbify and served by vLLM through the Plumbify plugin.

Results

447 held-out decisions (task families and templates the plumb never trained on), on one vLLM server. Each cell is accuracy (latency p50 for one request). With thinking on, the model alone is scored in its better prompt setup, so the plumb is compared with the model at its best.

Qwen/Qwen3-1.7B aloneQwen3-1.7B-plumb
Thinking off0.570 (18 ms)0.658 (53 ms)
Thinking on0.642 (3.9 s)0.707 (3.1 s)
Eval setOff: aloneOff: plumbedOn: aloneOn: plumbed
DecisionBench, held-out task families (150)0.6930.7070.6330.700
Hard-skill templates, held out (105)0.4380.5620.7050.733
General decisions, unseen templates (192)0.5470.6720.6150.698

Use

pip install "plumbify[vllm]"
vllm serve totum-labs/Qwen3-1.7B-plumb

In a second terminal, chat with it and watch each decision as the model hands it to its plumb:

plumbify chat

Or ask it through the OpenAI API:

curl -s localhost:8000/v1/chat/completions -H 'content-type: application/json' -d '{
  "model": "totum-labs/Qwen3-1.7B-plumb",
  "messages": [{"role": "user", "content": "Ticket: I was charged twice.\n\nWhich team should handle this?\n- billing\n- technical\n- sales"}]
}' | jq .plumb.answer

Decisions stated in a message go to the plumb before the model replies; the model can also hand decisions to it mid-conversation through a plumb_decide tool, answered from the KV cache. Each response carries a plumb field with the probabilities, a conformal set and the final answer. "plumb": false in a request serves it with the base model alone. Request options and response fields are in the guide.

What is in this repository

  • The weights of Qwen/Qwen3-1.7B, unchanged.
  • config.json with the architecture PlumbQwen3ForCausalLM, which tells vLLM and the plugin to attach the plumb.
  • head.safetensors: the decision head (51.5M parameters). It reads the model's hidden states at layers 13, 17, 20, 23 and the final output.
  • suffix_adapter.*: a LoRA (rank 32) on q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj, active only while the model reads a decision. It is never merged.
  • plumb.json: taps, head shape and calibration (temperature 0.980, conformal threshold 0.812 at alpha 0.1).

Training

plumbify train on 20k decision rows drawn from about 200 decision families (support, finance, coding, safety, medicine, law, engineering) plus solver-labelled hard-skill rows, one epoch, one A100 80 GB, 23 minutes. The base model is frozen: only the decision head and the suffix adapter are trained, then the head's temperature and a conformal threshold are fitted on a held-out development set.

Limitations

  • Needs vLLM 0.30.0 with the Plumbify plugin, on one GPU (no tensor or pipeline parallelism).
  • The results above are for decisions stated in the prompt. Decisions the model hands off mid-generation use the same head but see the whole conversation as context, which training did not include.
  • The training decisions are in English. The plumb chooses among the options it is given; it is not a safety classifier and does not check that the options make sense.

License

Apache 2.0, inherited from Qwen/Qwen3-1.7B.

Citation

@misc{plumbify2026,
  title  = {Plumbify: a System 1 decision branch for open language models},
  author = {Kamalakannan, Naveenraj},
  year   = {2026},
  url    = {https://github.com/therealnaveenkamal/plumbify}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Можно запустить

Подбираем GPU…

Класс архитектуры
PlumbQwen3ForCausalLM
Ревизия весов
60e2984

0 моделей