/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
8,8 МБ
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.6-27B
Библиотека
transformers
Опубликована
23 апр 2026

qwen3.6-tiny-random

Изображение и текст → текст3 профессии

Случайно инициализированная миниатюрная мультимодальная модель на архитектуре Qwen для отладки загрузки и запуска image-text-to-text систем.

560скачиваний за 30 дней2лайкавеса обновлены23 апр 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 «Изображение → 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

yujiepan/qwen3.6-tiny-random — отладочная мультимодальная модель, созданная автором репозитория yujiepan на основе конфигурации Qwen/Qwen3.6-27B. Модель случайно инициализирована и предназначена для проверки совместимости архитектуры и программных инструментов, а не для качественных ответов пользователю.

Модель поддерживает обработку изображений вместе с текстовыми запросами и относится к архитектуре Qwen3_5ForConditionalGeneration. Она включает уменьшенную языковую часть с четырьмя слоями, уменьшенный визуальный энкодер с двумя блоками и поддержку multi-token prediction. В README приведены примеры запуска через Transformers, vLLM и SGLang; для работы с моделью используется библиотека Transformers. Размер файла весов model.safetensors составляет 8,8 МБ.

Модель может применяться для отладки загрузки мультимодальных моделей, проверки генерации, обработки изображений с текстовыми инструкциями и интеграции speculative decoding или tool calling в серверные фреймворки. Из-за случайной инициализации веса не содержат полезно обученных знаний, поэтому модель непригодна для надежного распознавания изображений, ответов на вопросы, рассуждений или промышленного использования. Лицензия в предоставленных данных не указана.

Сценарии применения

  • отладка загрузки мультимодальной модели
  • проверка обработки изображений с текстовым запросом
  • тестирование генерации в Transformers
  • интеграционное тестирование vLLM и SGLang
  • проверка speculative decoding и tool calling

Ограничения

Модель случайно инициализирована и не содержит полезно обученных знаний, поэтому её ответы и результаты анализа изображений ненадёжны. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This tiny model is intended for debugging. It is randomly initialized using the configuration adapted from Qwen/Qwen3.6-27B.

File pathSize
model.safetensors8.8MB

Example usage:

  • vLLM
# Multi-token prediction is supported
model_id=yujiepan/qwen3.6-tiny-random
vllm serve $model_id \
     --tensor-parallel-size 2 \
     --speculative-config.method qwen3_next_mtp \
     --speculative-config.num_speculative_tokens 2 \
     --reasoning-parser qwen3 \
     --tool-call-parser qwen3_coder \
     --enable-auto-tool-choice \
     --max-cudagraph-capture-size 16
  • SGLang
# Multi-token prediction is supported
model_id=yujiepan/qwen3.6-tiny-random
python3 -m sglang.launch_server \
  --model-path $model_id \
  --tp-size 2 \
  --tool-call-parser qwen3_coder  \
  --reasoning-parser qwen3 \
  --speculative-algo NEXTN \
  --speculative-num-steps 3 \
  --speculative-eagle-topk 1 \
  --speculative-num-draft-tokens 4
  • Transformers
import torch
from transformers import (
    Qwen3_5ForConditionalGeneration,
    AutoProcessor,
)

model_id = "yujiepan/qwen3.6-tiny-random"
model = Qwen3_5ForConditionalGeneration.from_pretrained(
    model_id, dtype=torch.bfloat16, device_map="auto",
)
processor = AutoProcessor.from_pretrained(model_id)
messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "image": "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-VL/assets/demo.jpeg",
            },
            {"type": "text", "text": "Describe this image."},
        ],
    }
]

inputs = processor.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_dict=True,
    return_tensors="pt"
).to(model.device)

generated_ids = model.generate(**inputs, max_new_tokens=32)
output_text = processor.batch_decode(generated_ids[0], skip_special_tokens=False)[0]
print(output_text.replace('<|image_pad|>', "I"))

Codes to create this repo:

import json
from copy import deepcopy
from pathlib import Path

import torch
from huggingface_hub import file_exists, hf_hub_download
from transformers import (
    AutoConfig,
    AutoModelForCausalLM,
    AutoProcessor,
    GenerationConfig,
    Qwen3_5ForConditionalGeneration,
    set_seed,
)

source_model_id = "Qwen/Qwen3.6-27B"
save_folder = "/tmp/yujiepan/qwen36-tiny-random"

processor = AutoProcessor.from_pretrained(source_model_id, trust_remote_code=True)
processor.save_pretrained(save_folder)

with open(hf_hub_download(source_model_id, filename='config.json', repo_type='model'), 'r', encoding='utf-8') as f:
    config_json = json.load(f)

config_json['text_config'].update({
    'head_dim': 32,
    'hidden_size': 8,
    "layer_types": ['linear_attention'] * 3 + ['full_attention'],
    'intermediate_size': 32,
    'num_hidden_layers': 4,
    'num_attention_heads': 8,
    'num_key_value_heads': 4,
    "linear_key_head_dim": 32,
    "linear_num_key_heads": 4,
    "linear_num_value_heads": 8,
    "linear_value_head_dim": 32,
})
config_json['text_config']['rope_parameters']['mrope_section'] = [1, 1, 2]
config_json["tie_word_embeddings"] = False
config_json['vision_config'].update(
    {
        'hidden_size': 64,
        'intermediate_size': 128,
        'num_heads': 2,
        'out_hidden_size': 8,
        'depth': 2,
    }
)
with open(f"{save_folder}/config.json", "w", encoding='utf-8') as f:
    json.dump(config_json, f, indent=2)

config = AutoConfig.from_pretrained(
    save_folder,
    trust_remote_code=True,
)
print(config)
set_seed(42)
torch.set_default_dtype(torch.bfloat16)
model = Qwen3_5ForConditionalGeneration(config)
# in Qwen/Qwen3.6-27B release, all tensors are in bfloat16
# with torch.no_grad():
#     for i in range(3):
#         attn = model.model.language_model.layers[i].linear_attn
#         attn.A_log = torch.nn.Parameter(attn.A_log.float())
#         attn.norm.float()

print(model.state_dict()['model.language_model.layers.0.linear_attn.A_log'].dtype)
print(model.state_dict()['model.language_model.layers.0.linear_attn.norm.weight'].dtype)

model.mtp = torch.nn.ModuleDict({
    "pre_fc_norm_embedding": torch.nn.RMSNorm(config.text_config.hidden_size),
    "fc": torch.nn.Linear(config.text_config.hidden_size * 2, config.text_config.hidden_size, bias=False),
    "layers": torch.nn.ModuleList([deepcopy(model.model.language_model.layers[3])]),
    "norm": torch.nn.RMSNorm(config.text_config.hidden_size),
    "pre_fc_norm_hidden": torch.nn.RMSNorm(config.text_config.hidden_size),
})
torch.set_default_dtype(torch.float32)
if file_exists(filename="generation_config.json", repo_id=source_model_id, repo_type='model'):
    model.generation_config = GenerationConfig.from_pretrained(
        source_model_id, trust_remote_code=True,
    )
    model.generation_config.do_sample = True
    print(model.generation_config)
model = model.cpu()
set_seed(42)
with torch.no_grad():
    for name, p in sorted(model.named_parameters()):
        torch.nn.init.normal_(p, 0, 0.2)
        print(name, p.shape)
model.save_pretrained(save_folder)

Printing the model:

Qwen3_5ForConditionalGeneration(
  (model): Qwen3_5Model(
    (visual): Qwen3_5VisionModel(
      (patch_embed): Qwen3_5VisionPatchEmbed(
        (proj): Conv3d(3, 64, kernel_size=(2, 16, 16), stride=(2, 16, 16))
      )
      (pos_embed): Embedding(2304, 64)
      (rotary_pos_emb): Qwen3_5VisionRotaryEmbedding()
      (blocks): ModuleList(
        (0-1): 2 x Qwen3_5VisionBlock(
          (norm1): LayerNorm((64,), eps=1e-06, elementwise_affine=True)
          (norm2): LayerNorm((64,), eps=1e-06, elementwise_affine=True)
          (attn): Qwen3_5VisionAttention(
            (qkv): Linear(in_features=64, out_features=192, bias=True)
            (proj): Linear(in_features=64, out_features=64, bias=True)
          )
          (mlp): Qwen3_5VisionMLP(
            (linear_fc1): Linear(in_features=64, out_features=128, bias=True)
            (linear_fc2): Linear(in_features=128, out_features=64, bias=True)
            (act_fn): GELUTanh()
          )
        )
      )
      (merger): Qwen3_5VisionPatchMerger(
        (norm): LayerNorm((64,), eps=1e-06, elementwise_affine=True)
        (linear_fc1): Linear(in_features=256, out_features=256, bias=True)
        (act_fn): GELU(approximate='none')
        (linear_fc2): Linear(in_features=256, out_features=8, bias=True)
      )
    )
    (language_model): Qwen3_5TextModel(
      (embed_tokens): Embedding(248320, 8)
      (layers): ModuleList(
        (0-2): 3 x Qwen3_5DecoderLayer(
          (linear_attn): Qwen3_5GatedDeltaNet(
            (act): SiLUActivation()
            (conv1d): Conv1d(512, 512, kernel_size=(4,), stride=(1,), padding=(3,), groups=512, bias=False)
            (norm): Qwen3_5RMSNormGated()
            (out_proj): Linear(in_features=256, out_features=8, bias=False)
            (in_proj_qkv): Linear(in_features=8, out_features=512, bias=False)
            (in_proj_z): Linear(in_features=8, out_features=256, bias=False)
            (in_proj_b): Linear(in_features=8, out_features=8, bias=False)
            (in_proj_a): Linear(in_features=8, out_features=8, bias=False)
          )
          (mlp): Qwen3_5MLP(
            (gate_proj): Linear(in_features=8, out_features=32, bias=False)
            (up_proj): Linear(in_features=8, out_features=32, bias=False)
            (down_proj): Linear(in_features=32, out_features=8, bias=False)
            (act_fn): SiLUActivation()
          )
          (input_layernorm): Qwen3_5RMSNorm((8,), eps=1e-06)
          (post_attention_layernorm): Qwen3_5RMSNorm((8,), eps=1e-06)
        )
        (3): Qwen3_5DecoderLayer(
          (self_attn): Qwen3_5Attention(
            (q_proj): Linear(in_features=8, out_features=512, bias=False)
            (k_proj): Linear(in_features=8, out_features=128, bias=False)
            (v_proj): Linear(in_features=8, out_features=128, bias=False)
            (o_proj): Linear(in_features=256, out_features=8, bias=False)
            (q_norm): Qwen3_5RMSNorm((32,), eps=1e-06)
            (k_norm): Qwen3_5RMSNorm((32,), eps=1e-06)
          )
          (mlp): Qwen3_5MLP(
            (gate_proj): Linear(in_features=8, out_features=32, bias=False)
            (up_proj): Linear(in_features=8, out_features=32, bias=False)
            (down_proj): Linear(in_features=32, out_features=8, bias=False)
            (act_fn): SiLUActivation()
          )
          (input_layernorm): Qwen3_5RMSNorm((8,), eps=1e-06)
          (post_attention_layernorm): Qwen3_5RMSNorm((8,), eps=1e-06)
        )
      )
      (norm): Qwen3_5RMSNorm((8,), eps=1e-06)
      (rotary_emb): Qwen3_5TextRotaryEmbedding()
    )
  )
  (lm_head): Linear(in_features=8, out_features=248320, bias=False)
  (mtp): ModuleDict(
    (pre_fc_norm_embedding): RMSNorm((8,), eps=None, elementwise_affine=True)
    (fc): Linear(in_features=16, out_features=8, bias=False)
    (layers): ModuleList(
      (0): Qwen3_5DecoderLayer(
        (self_attn): Qwen3_5Attention(
          (q_proj): Linear(in_features=8, out_features=512, bias=False)
          (k_proj): Linear(in_features=8, out_features=128, bias=False)
          (v_proj): Linear(in_features=8, out_features=128, bias=False)
          (o_proj): Linear(in_features=256, out_features=8, bias=False)
          (q_norm): Qwen3_5RMSNorm((32,), eps=1e-06)
          (k_norm): Qwen3_5RMSNorm((32,), eps=1e-06)
        )
        (mlp): Qwen3_5MLP(
          (gate_proj): Linear(in_features=8, out_features=32, bias=False)
          (up_proj): Linear(in_features=8, out_features=32, bias=False)
          (down_proj): Linear(in_features=32, out_features=8, bias=False)
          (act_fn): SiLUActivation()
        )
        (input_layernorm): Qwen3_5RMSNorm((8,), eps=1e-06)
        (post_attention_layernorm): Qwen3_5RMSNorm((8,), eps=1e-06)
      )
    )
    (norm): RMSNorm((8,), eps=None, elementwise_affine=True)
    (pre_fc_norm_hidden): RMSNorm((8,), eps=None, elementwise_affine=True)
  )
)

Test environment:

  • torch: 2.11.0
  • transformers: 5.5.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
158c933

0 моделей