/ 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
Библиотека
transformers
Опубликована
1 сен 2026

OpenThinkerAgent-8B-ColdStartSFTForRL

Генерация текстаТекст → текст3 профессии

Промежуточная модель Qwen3-8B, дообученная для освоения агентного взаимодействия и использования инструментов перед обучением с подкреплением.

20скачиваний за 30 дней0лайковвеса обновлены1 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

OpenThinkerAgent-8B-ColdStartSFTForRL — языковая модель для агентных сценариев, разработанная в рамках проекта OpenThoughts-Agent. Это плотная модель Qwen3ForCausalLM на 7,6 млрд параметров, дообученная полным fine-tuning на Qwen/Qwen3-8B с использованием 9 437 примеров из набора OpenThoughts-Agent-SFT-ColdStartForRL-10K. Контекст составляет 40 960 токенов; веса доступны в формате safetensors, в README указана точность bf16.

Модель предназначена прежде всего для подготовки к обучению с подкреплением: она усваивает формат взаимодействия агента и соглашения по использованию инструментов из среды terminus-2. Данные обучения включают задачи разработки ПО в песочнице SWE-Smith с проверкой тестами. Модель может генерировать текст и код, однако этот чекпойнт является промежуточной версией до RL, а не готовым автономным агентом; ожидается, что он уступает последующей OpenThinkerAgent-8B-RL. Опубликованных результатов отдельных агентных бенчмарков для него нет. Лицензия — Apache-2.0.

Сценарии применения

  • подготовка базовой модели для последующего агентного RL
  • генерация и исправление кода в задачах разработки ПО
  • эксперименты с агентным использованием инструментов в terminus-2
  • изучение поведения модели на задачах SWE-Smith в песочнице

Ограничения

Это промежуточный чекпойнт до обучения с подкреплением, а не готовый автономный агент; его агентные способности ожидаются ниже, чем у OpenThinkerAgent-8B-RL. Опубликованных результатов агентных бенчмарков нет, а сгенерированный код и другие выходы могут быть ошибочными или небезопасными.

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

OpenThinkerAgent-8B-ColdStartSFTForRL

OpenThoughts-Agent is an open-source effort to curate the best datasets for training agents. Our release includes datasets, models and our research codebase.

OpenThinkerAgent-8B-ColdStartSFTForRL is the cold-start, pre-RL base of the OpenThoughts-Agent 8B SFT→RL recipe. It is post-trained from Qwen/Qwen3-8B with full-parameter SFT on the cold-start OpenThoughts-Agent-SFT-ColdStartForRL-10K dataset. Its purpose is to give the model the agentic interaction format and tool-use behaviour needed to make subsequent reinforcement learning stable; it is then RL-trained to produce OpenThinkerAgent-8B-RL.

Architecture note. Although the upstream artifact carries a GLM-4.7 label (which refers to the teacher that generated the SFT trajectories, not the student), this model is a Qwen3-8B. Its config.json reports model_type: qwen3, architectures: ["Qwen3ForCausalLM"], 36 layers, hidden size 4096, 32 attention heads / 8 KV heads, and a 40,960-token context — i.e. standard Qwen3-8B.

Model details

  • Base model: Qwen/Qwen3-8B
  • Architecture: Qwen3 (Qwen3ForCausalLM), 36 layers, hidden size 4096, 32 attention heads, 8 KV heads, RoPE θ = 1e6
  • Context length: 40,960 tokens (max position embeddings)
  • Vocabulary: 151,936 tokens
  • Precision: bf16
  • Role in pipeline: cold-start SFT checkpoint (pre-RL base)

Position in the SFT → RL recipe

  1. OpenThoughts-Agent-SFT-ColdStartForRL-10K — cold-start SFT trajectories.
  2. OpenThinkerAgent-8B-ColdStartSFTForRL — this model (Qwen3-8B after cold-start SFT, the pre-RL base).
  3. OpenThoughts-Agent-RL-5K — on-policy RL tasks.
  4. OpenThinkerAgent-8B-RL — the final RL'd checkpoint (step 45).

Training data

Trained on OpenThoughts-Agent-SFT-ColdStartForRL-10K (9,437 (task, trajectory) pairs): SWE-Smith sandboxed coding tasks with tests, solved by a teacher model in the terminus-2 harness inside Daytona sandboxes, oracle-verified (120s verifier timeout).

Training procedure

Full-parameter SFT (LLaMA-Factory). Hyperparameters as recorded by the trainer:

  • learning_rate: 4e-05
  • lr_scheduler_type: cosine, warmup_ratio 0.1
  • train_batch_size: 1 per device × 8 devices × gradient_accumulation_steps 2 → total_train_batch_size 16
  • optimizer: AdamW (fused), betas (0.9, 0.98), eps 1e-08
  • num_epochs: 7
  • seed: 42
  • precision: bf16
  • final train loss: ≈ 0.303 (4,130 global steps)

Framework versions

  • Transformers 4.57.6
  • PyTorch 2.9.0+cu128
  • Datasets 4.4.1
  • Tokenizers 0.22.2

Intended uses & limitations

This checkpoint is intended as the starting point for agentic RL, not as a final deployable agent. It has learned the agentic format and tool-use conventions of the terminus-2 harness from a relatively small cold-start set; its standalone agentic performance is expected to be below the RL-trained successor OpenThinkerAgent-8B-RL. As with the base Qwen3-8B, outputs may be incorrect or unsafe and should not be executed without review. No standalone agentic-benchmark numbers are published for this cold-start checkpoint.

Links

Citation

@misc{openthoughts-agent,
  author = {Team, OpenThoughts-Agent},
  title = {{OpenThoughts-Agent: Data Recipes for Agentic Models}},
  howpublished = {https://www.openthoughts.ai/blog/agent},
  year = {2026}
}

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
a096533

0 моделей