К содержимому
Компьютерное зрение

M3OPD-Warmup-MixRL-9B

мультимодальная модель для рассуждений на базе Qwen3.5

2 мин чтенияобновлено

M3OPD-Warmup-MixRL-9B — мультимодальная языковая модель (image-text-to-text, работает с изображениями и текстом), обученная поэтапному решению сложных задач с пошаговым размышлением (режим thinking). В основе лежит архитектура Qwen3.5-9B на 9,41 млрд параметров, поэтому модель полностью совместима с её токенизатором и шаблоном диалога. В отличие от базовой версии, этот чекпоинт прошёл дистилляцию с SFT-прогревом (предварительным обучением на примерах) и дообучение с подкреплением методом GSPO в рамках исследования M3OPD-Reasoner. Подойдёт разработчикам и исследователям для задач, где нужно анализировать текст и картинки с выводом пошаговой логики.

Ключевые особенности

  • Совместимость с Qwen3.5-9B: сохраняет оригинальную архитектуру, процессор и шаблон чата — запускается везде, где поддерживается базовая модель (Transformers, vLLM, SGLang).
  • Режим рассуждений: обучена работать со включённым блоком размышлений (thinking) без системного промпта и с явным указанием формата ответа в конце вопроса.
  • Открытый пайплайн обучения: представляет собой промежуточный этап (шаг 180) после SFT-прогрева на 1,35 млн примеров и RL-обучения на датасете из 193 тыс. промптов.
  • Свободная лицензия: распространяется под Apache 2.0, что позволяет свободно использовать модель в собственных и коммерческих проектах.

Что можно сделать

  • Решать задачи с визуальным контекстом: использовать в сервисах и ботах для пошагового разбора задач, где на вход подаются изображения и текстовые условия.
  • Сравнивать рецепты дообучения: протестировать поведение промежуточного RL-чекпоинта в связке с основной моделью M3OPD-Reasoner-9B из той же коллекции.
  • Развернуть локальный API-сервер: поднять быстрый инференс через vLLM или SGLang с контекстным окном до 40 960 токенов.

Пример

vllm serve ngqtrung/M3OPD-Warmup-MixRL-9B --max-model-len 40960
ПодробнееПараметры: 9,41B (база — Qwen/Qwen3.5-9B), задача — image-text-to-text.
Обучение: шаг 180 метода MixRL (GSPO на датасете M3OPD-RL-193K) поверх модели после SFT-прогрева (M3OPD-SFT-1.35M).
Особенности запуска: без system prompt, со включённым thinking и строкой формата ответа в конце запроса (например, Put your final answer within oxed{}).
Лицензия: Apache 2.0.
Обсудить Telegram 0 23

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 18 GB · готовые файлы20 GB
  • FP8 / INT8рекомендуемвеса 8.8 GB10 GB
  • 4-bitвеса 4.9 GB5.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2080 Ti · BF16 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ngqtrung/M3OPD-Warmup-MixRL-9B
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ngqtrung/M3OPD-Warmup-MixRL-9B --local-dir ~/models/M3OPD-Warmup-MixRL-9B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к M3OPD-Warmup-MixRL-9B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3.5-9B
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. M3OPD-Warmup-MixRL-9B

Новые посты про версии Qwen3.5-9B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

ngqtrung/M3OPD-Warmup-MixRL-9B
Автор
ngqtrung
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

M3OPD-MixSFT-9B

M3OPD-MixSFT-9B