Qwen3.5-9B Rubik's Cube

Файнтюн Qwen3.5-9B от arjanssuri, который решает кубик Рубика из реального скрамбла end-to-end. Модель читает кубик как текст, пишет рассуждение в ответе (thinking off) и крутит грани через инструмент move; встроенного солвера, поиска и исполнения кода нет. Размер — 9,65 млрд параметров.

🤔 Ключевые особенности

• 🤖 Следует CFOP: cross, F2L, two-look OLL/PLL.
• 👀 Каждый шаг — lookup, а не поиск: для F2L одна таблица из 59 алгоритмов вместо 236.
• 👌 Один ход за вызов инструмента; полная сборка — медиана 85 ходов за 22 tool calls.
• 💯 На seed-1: 42/64 полных сборок (66%), 28/32 скрамблов решены хотя бы с одной из двух попыток (88%).
• ⛔ Ограничения: одна ориентация (белый низ, зелёный фронт) и один формат промпта/кубика.

🚀 Пример

pip install vllm openai
vllm serve arjanssuri/qwen3.5-9b-rubiks-cube --max-model-len 32768 --enable-auto-tool-choice --tool-call-parser qwen3_coder
python play.py --base-url http://localhost:8000/v1 --model arjanssuri/qwen3.5-9b-rubiks-cube

Подробнее

Бенчмарки: 42/64 (66%) полных сборок; 88% скрамблов решены в 1 из 2 попыток; F2L — 97%, last layer — 94%.
VRAM не указан; для запуска нужны vLLM, max-model-len 32768, thinking off и temperature 1.0.
Обучение: LoRA SFT на трассах от движка + GRPO-style RL на cross; стадии v3–F5 слиты в базовые веса.
Слабые места: ~1 из 5 six-move crosses и H/Z perms примерно в половине случаев. Полная сборка — около 14K токенов.