/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
qwen3-8b-tmax-sft-v3-iter353
Библиотека
transformers
Опубликована
18 сен 2026

qwen3-8b-tmax-aenv-v39b-iter079

Генерация текстаТекст → текст8 профессий

Чекпойнт Qwen3-8B после 79-й итерации обучения с подкреплением для диалогов и многошаговых задач агента с использованием инструментов.

197скачиваний за 30 дней0лайковвеса обновлены18 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

Qwen3-8B TMax AENV v39b, итерация 79 — чекпойнт языковой модели, опубликованный willamazon1. Это продолжение обучения с подкреплением модели willamazon1/qwen3-8b-tmax-sft-v3-iter353, изначально дообученной на основе Qwen/Qwen3-8B. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 7,6 млрд параметров; контекст — до 40 960 токенов. Для работы доступны веса в формате safetensors с точностью bfloat16.

Чекпойнт получен с помощью group-relative policy optimization на асинхронных многошаговых взаимодействиях с агентными средами. Он предназначен для диалоговой генерации текста и сценариев использования инструментов; метаданные также отмечают интерфейс tool calling. Итерация 79 — одна из опубликованных точек обучения, позволяющих сравнивать динамику обучения с подкреплением.

Лицензия — Apache-2.0. Карточка не приводит результаты оценивания качества, поэтому пригодность для конкретной среды и устойчивость поведения с инструментами следует проверять отдельно.

Сценарии применения

  • диалоговая генерация текста
  • создание агента для многошагового взаимодействия со средой
  • вызов инструментов в диалоговом сценарии
  • сравнение поведения чекпойнтов на разных этапах обучения с подкреплением

Ограничения

README не содержит результатов бенчмарков; качество поведения и вызова инструментов в целевых сценариях следует оценивать отдельно. Опубликован чекпойнт ранней итерации обучения, поэтому его поведение может отличаться от более поздних точек этого запуска.

Для каких профессий подходит8

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

Qwen3-8B TMax AENV v39b — iteration 79

Reinforcement-learning checkpoint from the tmax_aenv_v39b run, taken at training iteration 79.

The policy was initialized from willamazon1/qwen3-8b-tmax-sft-v3-iter353 (itself an SFT of Qwen/Qwen3-8B) and trained with group-relative policy optimization on asynchronous multi-turn agentic-environment rollouts.

Checkpoints are saved every 10 iterations; iterations 69–219 of this run are published as separate repos in the same collection, so you can compare points along the training curve.

Base modelwillamazon1/qwen3-8b-tmax-sft-v3-iter353
StageRL (agentic environment, async rollouts)
Iteration79
ArchitectureQwen3, 36 layers, hidden 4096, 32 heads / 8 KV, vocab 151936
Precisionbfloat16

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "willamazon1/qwen3-8b-tmax-aenv-v39b-iter079"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype=torch.bfloat16, device_map="auto")

msgs = [{"role": "user", "content": "What is 12*8?"}]
text = tok.apply_chat_template(msgs, tokenize=False, add_generation_prompt=True)
ids = tok(text, return_tensors="pt").input_ids.to(model.device)
out = model.generate(ids, max_new_tokens=256)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))

Conversion

Converted from a Megatron-LM torch_dist training checkpoint to HuggingFace safetensors with slime's tools/convert_torch_dist_to_hf.py. Embedding padding was stripped back to the tokenizer's vocab_size of 151936, so the tensor shapes match upstream Qwen/Qwen3-8B exactly. Weights are bfloat16; the optimizer state of the training checkpoint is not included.

Every shard was checked for NaN/Inf (none found) and the model was loaded and sampled from before upload.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
e650c2e

0 моделей