Qwen3.8-27B-CTL
генерация и ревью кода на CTL2 для CloverDX
3 мин чтенияобновлено
Специализированная языковая модель для работы с языком CTL2 (CloverDX Transformation Language), на котором пишется бизнес-логика в графах интеграции данных платформы CloverDX. Модель основана на Qwen3.8-27B от автора dpavlis (26.9B параметров) и умеет писать код трансформаций по описанию и метаданным записей, объяснять встроенные функции, искать ошибки при ревью и чинить код по сообщениям компилятора. В отличие от базовой модели, она прошла многоэтапное обучение с проверкой фактов через реальный компилятор CTL и сервер CloverDX, поэтому не выдумывает несуществующие функции и не путает синтаксис с Java или Python. Пригодится дата-инженерам и разработчикам пайплайнов на CloverDX для автоматизации рутинных преобразований и проверки кода.
Ключевые особенности
- Режим рассуждений: модель рассчитана на работу с включённым thinking-режимом (
enable_thinking: true), без которого качество генерации заметно падает, а при ревью чаще появляются ложные срабатывания. - Системный промпт из репозитория: для корректной работы требуется передавать
system_prompt.txt, в котором закреплены строгие правила CTL2 — от зарезервированных слов до работы с датами в UTC. - Цикл исправления ошибок: архитектура использования предполагает автоматическую прогонку сгенерированного кода через компилятор или сервер CloverDX с возвратом текста ошибки в следующий запрос (до двух повторов).
- Готовые объединённые веса: все адаптеры влиты в единый bf16-чекпоинт, поэтому при деплое не требуется подключать отдельные LoRA.
Что можно сделать
- Генерировать трансформы Reformat, Rollup, Denormalizer, Normalizer и джойнеры по текстовому описанию задачи и схеме полей.
- Проводить автоматическое ревью существующих скриптов CTL2: модель размечает найденные проблемы строками
[ERROR]и[WARNING]. - Встроить модель в CI/CD или локальный помощник через vLLM для автоматического исправления ошибок компиляции и рантайма.
Пример
from openai import OpenAI
client = OpenAI(base_url="http://localhost:8000/v1", api_key="none")
system_prompt = open("system_prompt.txt").read()
response = client.chat.completions.create(
model="ctl2", messages=[{"role": "system", "content": system_prompt}, {"role": "user", "content": "Write a CTL2 Reformat transform..."}],
temperature=0.4, top_p=0.95, max_tokens=16384, extra_body={"top_k": 20, "chat_template_kwargs": {"enable_thinking": True, "reasoning_effort": "medium"}}
)
print(response.choices[0].message.content)
Подробнее
Бенчмарки на сервере CloverDX (с thinking): 0.93 прохождения новых задач с первой попытки (0.94 после цикла компиляции и повтора), ~0.95 обнаруженных внедрённых дефектов при ревью и почти нулевой уровень ложных[ERROR] на чистом коде.Требования к железу: веса в bf16 занимают около 51 ГБ, нужна видеокарта от 80 ГБ VRAM или тензорный параллелизм. При запуске через vLLM обязательно указывать
--max-num-seqs 64 из-за особенностей Mamba-кэша.Обучение: LoRA SFT + LoRA DPO + on-policy context distillation; vision-башня базовой модели сохранена для совместимости архитектуры, но обучение и оценка велись только на тексте.
Ограничения: работает только с кодом CTL2 (не проектирует графы целиком и не пишет XML компонентов), слабее знает редкие компоненты вроде GetJobInput или ExecuteScript без их описания в промпте.










Комментарии