/ Модель
Каталог

Характеристики

Контекст
262 144 токена
Параметры
3,4 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
3 сен 2026

Ссылки

Hugging Face

ps4mas-sft-4b-claude-x5-single-ep3

yinita
Генерация текстаТекст → текст5 профессий

Диалоговая модель Qwen3.5-4B, дообученная yinita на данных Claude-дистилляции для генерации ответов.

88скачиваний за 30 дней0лайковвеса обновлены3 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.

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

Это диалоговая языковая модель yinita, полученная полным дообучением Qwen/Qwen3.5-4B методом supervised fine-tuning. Она предназначена для генерации текста в диалоге и воспроизводит 4-миллиардную версию эксперимента по дообучению на данных Claude-дистилляции с одиночным обучающим примером на 500 шагов. Модель имеет плотную архитектуру Qwen3.5 и содержит 3,4 млрд параметров; заявленный контекст — до 262 144 токенов.

Модель принимает текстовые запросы и генерирует текстовые ответы. Репозиторий содержит веса Safetensors и рассчитан на загрузку через Transformers. Указана лицензия Apache-2.0. README приводит метрики сравнения с исходным экспериментом, но не описывает их шкалу или практическое качество; результаты могут зависеть от задачи и способа использования.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • создание и продолжение текста по запросу
  • эксперименты с полным дообучением языковых моделей
  • оценка компактной версии эксперимента Claude-дистилляции

Ограничения

README не приводит подробных оценок качества или перечня поддерживаемых языков. Контекст до 262 144 токенов указан в метаданных, но фактическая эффективность на длинных запросах отдельно не подтверждена.

Для каких профессий подходит5

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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ps4mas-sft-4b-claude-x5-single-ep3

Full-FT Qwen/Qwen3.5-4B reproducing: 9B best_sft_claude_x5_single_ep3 (Terra final_test 2.970 / 2.036 / 3.180 / 3.117 / 3.547)

9B originalthis 4B
Datadata/sft_splits/claude_distill_x5/topology_splits/sft_claude_teacher_single.jsonl (500 hops)same
Objectivefull sequence SFT (no LoRA)same
Epochs / lr3 / 2e-5same
Batchper-device 1, grad accum 2, 8 GPU ZeRO-2same
Seq4096same

Local path: results/0903/sft_full_4b_claude_x5_single_ep3
Uploaded: 2026-09-03T11:18:17.925980+00:00

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("yinita/ps4mas-sft-4b-claude-x5-single-ep3", trust_remote_code=True)
tok = AutoTokenizer.from_pretrained("yinita/ps4mas-sft-4b-claude-x5-single-ep3", trust_remote_code=True)

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_5ForCausalLM
Ревизия весов
aa30b6b

0 моделей

    Создать бенчмарк