Next 3 Pro
продвинутая мультимодальная модель для кода и сложных задач
2 мин чтения
Next 3 Pro — это мультимодальная модель от разработчиков Lamapi размером 27 миллиардов параметров, созданная на базе архитектуры Qwen3.8-27B. Она обучена для написания и отладки кода, математических рассуждений, а также работы с текстом, изображениями и видео на английском и турецком языках. Модель отлично понимает скриншоты интерфейсов, диаграммы и технические инструкции, помогая проектировать программное обеспечение. Она подойдёт разработчикам и инженерам, которым нужен сильный локальный помощник для сложных технических задач.
Ключевые особенности
- Фокус на кодинг: генерация фич, написание тестов, исправление багов и предложение патчей.
- Мультимодальность: анализ изображений, скриншотов, документов и видеоклипов.
- Логические рассуждения: решение математических задач и технический анализ под заданными ограничениями.
- Поддержка вызова инструментов (tool calling) и агентских рабочих процессов.
- Двуязычная оптимизация: полноценная поддержка взаимодействия на английском и турецком языках.
Что можно сделать
- Сгенерировать веб-приложение или скрипт с нуля по текстовому описанию и доработать его по логам ошибок.
- Проанализировать скриншот сломанного интерфейса или схемы и получить предложения по исправлению кода.
- Решить сложные математические или технические задачи с пошаговым объяснением выводов.
- Встроить модель в локальный пайплайн разработки или чат-бот с поддержкой мультимодального ввода.
Пример
import os
import torch
import transformers
from transformers import AutoConfig, AutoProcessor
model_id = "thelamapi/Next-3-Pro"
token = os.environ.get("HF_TOKEN")
config = AutoConfig.from_pretrained(model_id, token=token)
model_class = getattr(transformers, config.architectures[0])
model = model_class.from_pretrained(
model_id,
token=token,
dtype=torch.bfloat16,
device_map="auto",
).eval()
processor = AutoProcessor.from_pretrained(model_id, token=token)
messages = [{
"role": "user",
"content": [{
"type": "text",
"text": (
"Write a Python function that sorts a list of dictionaries by "
"date without mutating the input. Include one small test."
),
}],
}]
inputs = processor.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
enable_thinking=False,
return_dict=True,
return_tensors="pt",
)
device = model.get_input_embeddings().weight.device
inputs = inputs.to(device)
prompt_length = inputs["input_ids"].shape[-1]
with torch.inference_mode():
output = model.generate(
**inputs,
max_new_tokens=512,
do_sample=False,
)
print(processor.tokenizer.decode(
output[0, prompt_length:], skip_special_tokens=True,
).strip())
Подробнее
Базовая модель: Qwen3.8-27BРазмер: 27B параметров (объединенный Transformers-чекпоинт)
Обучение: LoRA-файнтюн на датасетах GSM8K, MBPP Sanitized и синтетических задачах
Доступны GGUF-версии и совместимые сборки для квантования










Комментарии