Qwen3-8B-3MPER0RR-BF16-DeepSeek-V4-Flash

Это SFT-файнтюн базовой модели Qwen/Qwen3-8B (Apache 2.0) на 8,19 млрд параметров, обученный на учительских Q&A из датасета DeepSeek-V4-Distill-8000x (MIT). Автор отдельно подчёркивает: это не abliterated-вариант, а дистилляция ответов. Чекпоинт уже смёржен и готов к инференсу.

⚙ Ключевые особенности

• 🎯 Response distillation: SFT на ответах, сгенерированных учительской моделью
• 🧩 Reasoning в формате <think>...</think>
• 📦 Готовый merged-чекпоинт: config.json + *.safetensors
• 🔵 BF16 из коробки, запуск через transformers
• ⚠️ Возможны галлюцинации — ответы стоит проверять

💻 Пример

from transformers import AutoTokenizer, AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
    "3MPER0RR/Qwen3-8B-3MPER0RR-BF16-DeepSeek-V4-Flash",
    torch_dtype="bfloat16",
    device_map="auto",
)
tok = AutoTokenizer.from_pretrained("3MPER0RR/Qwen3-8B-3MPER0RR-BF16-DeepSeek-V4-Flash")