QwenGenesis-4B

QwenGenesis-4B — исследовательский проект Şuayp Talha Kocabay на базе Qwen/Qwen3.5-4B (4,66 млрд параметров). В одном model.safetensors сохранены оригинальные тензоры Qwen3.5 и отдельные тензоры genesis_circuit.*, которые задают детерминированную клеточную среду: рождение, хищничество, мутации, экологический коллапс и эволюционный отбор.

Важно: базовая модель не является обученным QwenGenesis-декодером, а обычный text-only инференс через AutoModel не запускает экосистему — для неё нужен приложенный Python-код.

🔥 Ключевые особенности

• 🌟 Детерминированная искусственная жизнь на скомпилированных нейросетевых весах.
• ✅ Оригинальные ключи и значения Qwen3.5-4B сохранены без замены; Genesis-тензоры лежат отдельно.
• 💥 Три демо-сценария: Golden Evolution, Ecological Collapse и Predator Apocalypse.
• 🦾 Есть скрипты сравнения, тесты и CUDA-инференс для независимой проверки.
• 👁 Визуальное движение между состояниями интерполирует рендерер — видео иллюстративные, а не измерение движения особей.

😎 Пример запуска

pip install torch numpy safetensors pillow imageio imageio-ffmpeg transformers
python run_checkpoint.py --checkpoint model.safetensors --steps 10 --seed 93 --size 24
python -m scripts.run_native_scenarios --device cuda --only all --world-size 96 --output-root outputs_native

Подробнее

SwiGLU-схема против референса: совпадение битовых состояний на 3 × 100 шагов (24×24), максимальная абсолютная разница float ~7,13×10⁻¹⁵.
Сравнение полного FFN Qwen3.5 на A100: 3 × 10 тиков с совпадением бинарных состояний.
Сценарии 96×96: predator_apocalypse — 70 шагов, ecological_collapse — 150, golden_evolution — 180; выходные кадры совпали с эталоном.
Полный предобученный декодер не проходил parity-проверку.