/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
19,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
23 сен 2026

qwen35-9b-harvey-v4-notes-conditioned-10m

Генерация текстаТекст → текст6 профессий

Дообученная Qwen3.5-9B для диалоговых агентных задач с использованием заметок и траекторий, обусловленных заметками.

564скачиваний за 30 дней0лайковвеса обновлены23 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

violetxi разработала Qwen3.5-9B Harvey v4 Notes-Conditioned — полноразмерный чекпойнт Qwen3.5-9B, дообученный для агентных сценариев Harvey с использованием заметок и траекторий, обусловленных заметками. Обучение сочетало 70% размеченных токенов заметок и 30% токенов ответов ассистента из таких траекторий; опубликованная версия checkpoint-612 завершает два эпоха и 612 обновлений оптимизатора.

Модель использует плотную архитектуру Qwen3.5 с 9 млрд параметров, сохранена в safetensors и загружается через Transformers. Метаданные указывают на диалоговые возможности и интерфейс вызова инструментов; в README описан протокол работы с файлами через glob, grep и read. Базовая модель мультимодальна, однако карточка описывает обучение и оценку текстовых агентных задач, поэтому заявленная задача — генерация текста.

В исторической оценке доля попыток, прошедших все критерии, составила 3,30% при лимите в 5 ходов и 6,20% при 20 ходах; это результаты конкретного протокола, без нового бенчмарка для публикации. Лицензия — Apache-2.0.

Сценарии применения

  • создание агента, который ищет и читает файлы по инструкциям
  • ответы ассистента с опорой на заметки
  • выполнение многошаговых текстовых задач с использованием инструментов
  • эксперименты с обучением агентов на заметках и траекториях

Ограничения

В исторической оценке все критерии прошли 3,30% попыток при лимите в 5 ходов и 6,20% при лимите в 20 ходов; результаты относятся к указанному протоколу и не являются новым бенчмарком. Карточка не приводит отдельной оценки мультимодальных возможностей этой версии.

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

qwen35-9b-harvey-v4-notes-conditioned-10m

Full Qwen3.5-9B serving checkpoint from the 10M notes + note-conditioned trajectory experiment, with a 70% / 30% supervised-token mixture and no KL regularization.

This revision is checkpoint-612, after 2 epoch(s) and 612 optimizer updates. The scale names count supervised dataset tokens once; the full run trains for two epochs.

Saved checkpoints

RevisionCheckpointEpoch
main, final, checkpoint-612checkpoint-6122
epoch1, checkpoint-306checkpoint-3061

Training

  • Base: Qwen/Qwen3.5-9B, revision c202236235762e1c871ad0ccb60c8ee5ba337b9a.
  • Dataset supervised tokens before causal shift: 10,001,435 (7,000,049 note labels and 3,001,386 assistant labels from note-conditioned trajectories).
  • Dataset supervised tokens after causal shift: 10,000,838 per epoch.
  • Notes use causal next-token prediction; trajectory loss is applied to assistant labels.
  • Packed sequence length: 16,384; global batch: 4 packed rows; gradient accumulation: 2.
  • Learning rate: 5e-06; full schedule: 2 epochs / 612 updates.
  • Token exposure through this checkpoint after causal shift: 20,001,676.

Evaluation

Historical thinking-enabled agent generations were regraded with gpt-5.6-sol using the original Harvey per-criterion rubric. The metric is the fraction of attempts passing every criterion (250 tasks, 4 samples each).

Turn budgetAll-criteria-pass rateEvaluation dataset
53.30%violetxi/harvey-eval-gpt56sol-qwen35-9b-notes70-notecondtraj30-10m-historical-5t-think
206.20%violetxi/harvey-eval-gpt56sol-qwen35-9b-notes70-notecondtraj30-10m-historical-20t-think

Generation used the historical 5/20-turn glob/grep/read protocol. No new benchmark inference was run for this publication. Full provenance and uncertainty are in evaluation_summary.json.

Loading

from transformers import AutoTokenizer, AutoModelForImageTextToText

model_id = "violetxi/qwen35-9b-harvey-v4-notes-conditioned-10m"
revision = "main"  # main loads the final checkpoint; epoch1 loads the intermediate

tokenizer = AutoTokenizer.from_pretrained(model_id, revision=revision)
model = AutoModelForImageTextToText.from_pretrained(
    model_id, revision=revision, dtype="auto", device_map="auto"
)

Export verification

Four full composite safetensors shards contain 775 tensors. All 427 trained text tensors were checked against the saved checkpoint converted to the pinned base serving dtype; the 348 auxiliary base tensors are preserved. All tensor values are finite. The final export preserves the serving weights used for the historical evaluation generations. Intermediate exports use the same reconstruction procedure. Config, tokenizer, processor, generation settings, tensor shapes, remote hashes and anonymous access are verified during publication. The subsequent recall-probe evaluation used this exported checkpoint; see the artifacts below.

Evaluation artifacts — 2026-09-23

Closed-book recall probes: complete, 7,933 probes. Evaluation dataset: metrics and per-probe outcomes. Scoring is deterministic and uses no GPT judge.

All evaluations and model links. Exact evaluated model revisions and SHA-256 manifests are included. Raw partial open-book traces remain local.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
0b9b777

0 моделей