/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
70,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.6-35B-A3B
Библиотека
transformers
Опубликована
11 сен 2026

sherry-35b-a3b-0.1-grpo-preview

Генерация текстаТекст → текст6 профессий

Предварительная дообученная версия Qwen3.6-35B-A3B для экспериментов с управляемым уровнем рассуждений в текстовых диалогах.

538скачиваний за 30 дней0лайковвеса обновлены11 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

Sherry 35B-A3B 0.1 GRPO Preview — предварительная версия модели Valendra, полученная дообучением Qwen/Qwen3.6-35B-A3B методом GRPO с адаптером QLoRA/LoRA и последующим объединением адаптера с базовыми весами. Это модель семейства Qwen3.5 MoE с общим размером 35 млрд параметров; опубликованные веса в формате safetensors разбиты на 15 частей. Она предназначена для экспериментов с управляемым уровнем рассуждений в диалоговой генерации текста. Шаблон чата поддерживает уровни reasoning effort low, medium и high, а также режим ответов без цепочки рассуждений.

Архитектура совместима с мультимодальными возможностями Qwen3.6, включая обработку изображений, однако эта версия обучалась и проверялась преимущественно на генерации текста. Для модели указаны интерфейсы чата и вызова инструментов. Выпуск является предварительным: независимая оценка качества не завершена, короткие тестовые генерации упирались в лимит токенов, а сравнительный прогон не был опубликован; обучающую награду нельзя считать показателем точности или качества. Лицензия — Apache-2.0; для практического применения результаты следует проверять, а также учитывать условия использования базовой модели.

Сценарии применения

  • эксперименты с настройкой глубины рассуждений в диалоговом ассистенте
  • генерация ответов с низким, средним или высоким уровнем reasoning effort
  • исследование методов GRPO и QLoRA для MoE-моделей
  • прототипирование текстовых ассистентов с вызовом инструментов

Ограничения

Это preview-релиз с незавершённой независимой оценкой качества; обучающая награда не является метрикой точности или бенчмарком. Качество и длина ответов могут зависеть от уровня рассуждений и запроса; мультимодальные возможности унаследованы от архитектуры, но эта версия преимущественно обучалась и проверялась на текстовой генерации.

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

Sherry 35B-A3B 0.1 GRPO Preview

Merged GRPO-QLoRA adapter for Qwen/Qwen3.6-35B-A3B, produced from the 200-step checkpoint (checkpoint-200).

This is a preview release. The available evaluation runs were not used as a quality benchmark because their short smoke generations reached the token limit, and the longer comparison run was stopped before publication. Do not interpret the training reward in the metadata as a validated capability score.

Training and merge details

  • Training method: GRPO with QLoRA/LoRA.
  • Adapter source: qwen36-reasoning-effort-grpo-0.1-qlora-200-12k/checkpoint-200.
  • Training steps: 200.
  • LoRA rank: 32.
  • LoRA alpha: 64.
  • LoRA dropout: 0.0.
  • Target modules: q_proj, k_proj, v_proj, o_proj, shared_expert.gate_proj, shared_expert.up_proj, shared_expert.down_proj.
  • Trainable token IDs: 248077, 248078, 248079.
  • Base precision during merge: bfloat16.
  • Published weights: safetensors, split into 15 shards.
  • Merge operation: PEFT merge_and_unload().

The original adapter artifacts are preserved separately from this merged release. The published safetensors use the canonical Qwen 3.6 packed-MoE layout required by current inference runtimes.

Reasoning effort interface

The tokenizer includes three project-specific special tokens:

  • <|reasoning_effort_low|> (token ID 248077)
  • <|reasoning_effort_medium|> (token ID 248078)
  • <|reasoning_effort_high|> (token ID 248079)

The published chat template accepts reasoning_effort="low", "medium", or "high" and emits the corresponding token before the thinking block. No xhigh token is provided.

Example:

from transformers import AutoModelForImageTextToText, AutoTokenizer

model_id = "valendra/sherry-35b-a3b-0.1-grpo-preview"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(
    model_id,
    device_map="auto",
    dtype="auto",
)

inputs = tokenizer.apply_chat_template(
    [{"role": "user", "content": "Solve: 12 * 13"}],
    add_generation_prompt=True,
    enable_thinking=True,
    reasoning_effort="medium",
    return_tensors="pt",
).to(model.device)

outputs = model.generate(inputs, max_new_tokens=2048)
print(tokenizer.decode(outputs[0, inputs.shape[-1]:], skip_special_tokens=False))

For non-thinking answers, call the template with enable_thinking=False. The model is multimodal-compatible through the Qwen3.6 architecture, but this release was trained and smoke-tested primarily through its text-generation path.

Limitations

  • Preview release; independent quality evaluation is incomplete.
  • The logged training reward is not an accuracy or benchmark score.
  • Generation length and quality may vary by reasoning-effort level and prompt.
  • Use the base model's license and usage requirements.

Intended use

Research and experimentation with controllable reasoning effort. Validate outputs for your use case before deployment.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
96e2ae3

0 моделей