/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
14 млрд
Размер весов
29,5 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-14B
Библиотека
transformers
Опубликована
20 июн 2026

Ссылки

Hugging Face

Mdist_14B_Chem_690K_fulldata_from_Mspec_FFT_Qwen3_14B

yileitu
Генерация текстаТекст → текст4 профессии

Дообученная 14-миллиардная Qwen3 для диалоговой генерации текста.

21скачиваний за 30 дней0лайковвеса обновлены20 июн 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.

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

Модель yileitu/Mdist_14B_Chem_690K_fulldata_from_Mspec_FFT_Qwen3_14B — дообученная авторами репозитория языковая модель Qwen3 с плотной архитектурой и 14 млрд параметров. Она предназначена для генерации текста в диалоговом формате; карточка не уточняет специализацию, состав обучающих данных или результаты оценки качества.

Модель принимает текст и генерирует текст, поддерживает контекст длиной до 40 960 токенов. Репозиторий использует библиотеку Transformers и формат safetensors. Указана лицензия other; конкретные условия использования в карточке не раскрыты, поэтому перед применением следует проверить лицензионные сведения репозитория и базовой модели.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • создание связного текста по запросу
  • развёртывание чат-модели на базе Qwen3

Ограничения

Карточка не описывает специализацию, обучающие данные или оценку качества модели. Условия лицензии обозначены как other, без подробностей в предоставленных данных.

Для каких профессий подходит4

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.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

aligned_ft_data_M2_FFT_Qwen3_14B_20260310_212832_presence0.0_freq0.0_repetition1.0_loop5-200_rep3_cutoff16384_20260326_150447

This model is a fine-tuned version of Qwen/Qwen3-14B on the aligned_ft_data_M2_FFT_Qwen3_14B_20260310_212832_presence0.0_freq0.0_repetition1.0_loop5-200_rep3 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine_with_min_lr
  • lr_scheduler_warmup_ratio: 0.03
  • num_epochs: 1.0

Training results

Framework versions

  • Transformers 4.57.0
  • Pytorch 2.8.0+cu128
  • Datasets 3.6.0
  • Tokenizers 0.22.0

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
45cef2b

0 моделей

    Создать бенчмарк