Модель локального кодирования 4B с инстинктами агента. Планирование, навыки использования инструментов и терминальные рассуждения основаны на реальных сеансах агентов Claude Fable 5, а не на синтетических вопросах и ответах. Полноточные гири; сборка GGUF занимает ~2,5 ГБ. Предпочитаете запускать его локально в Ollama или LM Studio? Возьмем сборку GGUF (2,5 ГБ на Q4KM). Перекалиброванное слияние. Та же тренировка, лучшее смешивание веса: +1,8 балла на HumanEval-164 по сравнению с предыдущей сборкой (74,4 против 72,6), воспроизведено на трех независимых адаптерах. Если вы вытащили эту модель до августа 2026 года, повторите выбор для более прочной сборки. — Оно отвечает. База Qwen3-4B тратит весь свой бюджет внутри на 34% обычных подсказок и ничего не возвращает. Эта модель отвечает 34/34 в одном и том же пакете, имеет в 140 раз меньше текста рассуждений и не требует управления флагом режима мышления. — Агентообразные рассуждения. Обучение проводится на реальных многоэтапных сеансах агентов, поэтому планы, выбор инструментов и рабочие процессы терминала получаются структурированными, а не импровизированными. — Достаточно маленький, чтобы держать открытым. 4B, а сборка GGUF — 2,5 ГБ. Ноутбук, старый графический процессор, скромный настольный компьютер — он работает в автономном режиме, а ваш код остается на вашем компьютере. Измерено на идентичных жгутах, жадное декодирование, сборки Q4KM, мышление отключено в каждой строке…
Модальности:
Генерация текста
Области применения:
Генерация кода Логика и рассуждение Диалог / чат
Задача: Генерация текста
Автор: AnkitAI
Теги: qwen3, qlora, agentic, coding, reasoning, local-llm, ollama, lm-studio
Лайков: 5 | Загрузок: 1,781
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
