/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
vllm
Опубликована
24 авг 2026

kaggle-vllm-models

Генерация текстаТекст → текст7 профессий

Механически преобразованный чекпойнт Qwen2.5-3B-Instruct в формате vLLM sharded_state для генерации текста и диалогов на конфигурации TP=2.

223скачиваний за 30 дней0лайковвеса обновлены31 авг 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 механически преобразованное представление Qwen2.5-3B-Instruct, подготовленное автором репозитория для запуска через vLLM. Модель не обучалась заново и не содержит новых обученных весов: чекпойнт сохранён в формате vLLM sharded_state с тензорным параллелизмом на два ранга для двух GPU Tesla T4. Веса исходной модели разработаны командой Qwen / Alibaba Cloud; размер — 3,1 млрд параметров, контекст — до 32 768 токенов.

Модель предназначена для генерации текста и диалогового использования, включая ответы по инструкциям и структурированные ответы. В метаданных указан английский язык, а базовая Qwen2.5-3B-Instruct описана как многоязычная чат-модель. Для загрузки требуется совместимая конфигурация vLLM с исходной топологией TP=2; репозиторий не является стандартным чекпойнтом Transformers и не рассчитан на обычную загрузку через AutoModelForCausalLM. TP=1, TP>2, другие схемы GPU и обучение или дообучение не проверялись. Использование регулируется лицензией Qwen Research License: разрешены некоммерческие исследования и оценка на условиях лицензии, для коммерческого использования требуется отдельное разрешение Alibaba Cloud.

Сценарии применения

  • развёртывание чат-модели через vLLM на двух GPU
  • генерация ответов на пользовательские инструкции
  • создание диалогового сервера с OpenAI-совместимым API
  • получение структурированных текстовых ответов
  • оценка Qwen2.5-3B-Instruct в некоммерческих исследованиях

Ограничения

Чекпойнт рассчитан на загрузку через vLLM с топологией TP=2 и не является обычным Transformers-чекпойнтом; TP=1, TP>2, другие GPU-конфигурации и обучение не проверялись. Лицензия допускает некоммерческое исследование и оценку, а для коммерческого использования требуется отдельная лицензия Alibaba Cloud.

Для каких профессий подходит7

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

Qwen2.5-3B-Instruct — vLLM TP=2 persistent sharded state

This is not a newly trained or fine-tuned model, and it does not introduce new learned weights. It is a mechanically transformed, vLLM-native persistent sharded_state representation of Qwen/Qwen2.5-3B-Instruct, created and validated on a Kaggle Notebook with two Tesla T4 GPUs.

The representation was generated with vLLM tensor parallel size 2. It contains rank-specific checkpoint files for TP ranks 0 and 1. It is not arbitrary tensor splitting and should normally be loaded using the TP topology for which it was generated.

The public kaggle-vllm 0.2.0 SDK adds stricter structural inspection, symlink protection and topology-mismatch reporting for this existing artifact. It does not regenerate, fine-tune, relicense or otherwise change the model files. Final published-package dual-T4 acceptance and the focused Qwen regression remain pending.

Qwen is licensed under the Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) Alibaba Cloud. All Rights Reserved. The included license permits non-commercial research/evaluation use and redistribution subject to its terms. Commercial use requires a separate license from Alibaba Cloud.

Load with kaggle-vllm

Install the public lightweight SDK without changing Kaggle's system Torch/CUDA stack:

python -m pip install "kaggle-vllm[hub]==0.2.0"
kaggle-vllm bootstrap --strict
eval "$(kaggle-vllm env)"
kaggle-vllm doctor --strict
from kaggle_vllm import KaggleLLM

llm = KaggleLLM(
    model="waqasm86/kaggle-vllm-models",
    load_format="sharded_state",
    tensor_parallel_size=2,
    dtype="float16",
    max_model_len=2048,
    gpu_memory_utilization=0.70,
    enforce_eager=True,
    disable_custom_all_reduce=True,
)

Load directly with upstream vLLM

from vllm import LLM

llm = LLM(
    model="waqasm86/kaggle-vllm-models",
    load_format="sharded_state",
    tensor_parallel_size=2,
    dtype="float16",
    max_model_len=2048,
    gpu_memory_utilization=0.70,
    enforce_eager=True,
    disable_custom_all_reduce=True,
)

OpenAI-compatible server

vllm serve waqasm86/kaggle-vllm-models \
  --served-model-name qwen2.5-3b-kaggle-t4x2 \
  --load-format sharded_state \
  --tensor-parallel-size 2 \
  --dtype float16 \
  --max-model-len 2048 \
  --gpu-memory-utilization 0.70 \
  --enforce-eager \
  --disable-custom-all-reduce

Validation matrix

ComponentValidated value
OriginQwen/Qwen2.5-3B-Instruct
RepresentationvLLM sharded_state, two ranks × two parts
PrecisionFP16 runtime validation
Hardware2 × Tesla T4, SM75
Python / Torch / CUDA3.12.13 / 2.10.0+cu128 / toolkit 12.8.93
NCCL2.27.5
vLLM sourcev0.18.1, a26e8dc7ff2111a005144d775ecf9cebf56c45b2
vLLM wheel0.18.2.dev0+ga26e8dc7f.d20260822.cu128
ReloadPASS at load_format=sharded_state, TP=2
OpenAI APImodels and chat completions returned HTTP 200

Packaging notes and limitations

  • Files were mechanically transformed by vLLM's native TP=2 checkpoint saver; this README and NOTICE were added for packaging/attribution.
  • This layout is not a standard Transformers checkpoint. The retained upstream safetensors index references the original HF shard names; vLLM's validated sharded_state loader uses the rank-specific files. Do not expect AutoModelForCausalLM.from_pretrained() to load this repository as a normal Transformers checkpoint.
  • TP=1, TP>2, uneven GPU splits, other topologies, other accelerators, and training/fine-tuning were not validated.
  • FlashAttention 2 is unavailable on SM75; vLLM selected TRITON_ATTN.
  • The conservative settings shown above are not claimed to be optimal.
  • Use is limited by the included Qwen Research License. Retain LICENSE and NOTICE when redistributing.

Upstream attribution: Qwen Team / Alibaba Cloud for the model and license; vLLM contributors for the Apache-2.0 inference and sharded-state machinery.

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
0e64784

0 моделей