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
Опубликована: 12 июн 2026

Ссылки

Hugging Face

envace2.0-non-conv-rl-20260514-ckpt200

xuzishan

Генерация текстаТекст → текст3 профессии

Чекпойнт Qwen3-8B после неконверсационного RL-обучения для генерации текста, инференса и оценки.

90скачиваний за 30 дней0лайковвеса обновлены30 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.

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.

Открыть конструктор бенчмарка

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

EnvACE 2.0 Non-Conversation RL — модель генерации текста на базе Qwen3-8B, полученная в результате дообучения с обучением с подкреплением без диалогового режима. Разработчик сохранил в репозитории объединённый чекпойнт для инференса: архитектура Qwen3ForCausalLM, около 7,6 млрд параметров, веса в формате safetensors и контекст до 40 960 токенов.

Модель предназначена для генерации текста и оценки поведения после RL-обучения; репозиторий позволяет использовать её для инференса и оценки. README не уточняет конкретные целевые задачи этого обучения. Репозиторий содержит токенизатор и шаблон чата, однако обучение описано как неконверсационное.

Модель основана на Qwen/Qwen3-8B и распространяется по лицензии Apache-2.0. Репозиторий хранит объединённую модель для инференса, но не исходное распределённое состояние обучения, состояние оптимизатора, планировщика или загрузчика данных, поэтому точное продолжение обучения с шага 200 невозможно.

Сценарии применения

генерация текста на основе промпта
инференс модели после обучения с подкреплением
оценка поведения неконверсационного RL-чекпойнта

Ограничения

README не описывает конкретные целевые задачи обучения или результаты оценки качества. Точный перезапуск обучения с шага 200 невозможен, поскольку репозиторий не содержит исходное состояние обучения и оптимизатора.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EnvACE 2.0 Non-Conversation RL (2026-05-14, checkpoint 200)

This repository stores the merged Hugging Face inference checkpoint produced by the EnvScaler non-conversation RL run envscaler_non_conv_rl_20260514_142826 at training step 200.

Architecture: Qwen3ForCausalLM (Qwen3-8B class)
Four safetensors model shards
Model index, configuration, tokenizer, generation configuration, and chat template
14 model/runtime files in total, excluding repository metadata and this README

Backup and recovery scope

The files were copied from the merged local export rl_runs/hf_models/envscaler_non_conv_rl_20260514_142826_ckpt200.

On 2026-08-31, all 14 local files were verified byte-for-byte against this repository. LFS objects were checked using SHA256 and regular Git objects using Git blob hashes; no mismatch was found.

This repository preserves the deployable merged model. It does not preserve the original distributed training checkpoint, optimizer state, scheduler state, or dataloader state. It can be used for inference and evaluation, but it cannot reproduce an exact training resume from step 200.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3ForCausalLM
Ревизия весов: e2d78bb