Tiny Qwen3MoeForCausalLM
This is a minimal model built for unit tests in the TRL library.
Характеристики
- Контекст
- 40 960 токенов
- Параметры
- 1,2 млн
- Размер весов
- 5,2 МБ
- Архитектура
- qwen3_moe · MoE
- Библиотека
- transformers
- Опубликована
- 9 июл 2025
Ссылки
tiny-Qwen3MoeForCausalLM
trl-internal-testing/tiny-Qwen3MoeForCausalLM — минимальная модель на базе Qwen3MoeForCausalLM, разработанная для модульных тестов библиотеки TRL.
256 тыс.скачиваний за 30 дней1лайквеса обновлены7 мая 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Она предназначена для проверки работоспособности компонентов и сценариев TRL, а не для практического решения прикладных задач генерации текста.
В README не указаны размер модели, точная архитектура и конфигурация, поддерживаемые языки, длина контекста, модальности, результаты оценки, сильные стороны или ограничения. Также не приведена информация о лицензии и условиях использования. Поэтому модель следует рассматривать как тестовый артефакт для внутренней проверки кода.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- Qwen3MoeForCausalLM
- Ревизия весов
- 6db5716