К содержимому
Языковые модели

Qwen3.5-35B-A3B-SWE-SFT-step93

файнтюн для задач программирования

2 мин чтения

Эта языковая модель (LLM) представляет собой дообученную версию базовой Qwen/Qwen3.5-35B-A3B-Base, заточенную под диалоги в сфере разработки программного обеспечения (SWE). Модель построена на архитектуре MoE (Mixture of Experts — смесь экспертов, где для каждого токена активируется только часть параметров) общим объёмом 34,66 млрд параметров. В отличие от мультимодальных версий семейства, данный релиз экспортирован строго в текстовом режиме (language-only) без весов визуального модуля. Подойдёт разработчикам для локального развёртывания ассистентов по коду и отладке.

Ключевые особенности

  • Обучена методом SFT (Supervised Fine-Tuning — обучение с учителем) на 1 000 диалогах по разработке ПО в течение 3 эпох (93 шага оптимизатора).
  • Текстовый экспорт (language-only): визуальный энкодер (vision tower) исключён из весов, что требует запуска в соответствующем текстовом режиме.
  • Веса сохранены в точности FP32 без состояния оптимизатора, в комплекте идут токенизатор, шаблон чата (chat template) и конфигурация генерации.
  • Экспорт прошёл автоматическую валидацию ключей и размерностей тензоров, заголовков safetensors и отсутствия буферов наблюдения роутера.

Что можно сделать

  • Подключить через движок инференса vLLM в режиме language-only для генерации, анализа и исправления кода.
  • Использовать в локальных чат-интерфейсах и IDE-плагинах благодаря готовому встроенному шаблону диалогов (chat template).
  • Взять за основу для дальнейшего дообучения или квантования под доступное железо, опираясь на исходные FP32-веса.

Пример

В карточке не приведён готовый сниппет кода, однако указано, что для запуска следует использовать загрузчик с поддержкой текстового режима для Qwen3.5 MoE — например, vLLM в режиме language-only, передавая запросы в формате стандартного диалога по разработке ПО (SWE) через встроенный chat_template.

Подробнее Базовая модель: Qwen/Qwen3.5-35B-A3B-Base (34.66B параметров, MoE).
Обучение: 1 000 SWE-диалогов, 3 эпохи, 93 шага, запуск qwen35_swe_npu128_20261114_154848.
Ограничения: нет весов vision tower; требуется загрузчик с поддержкой language-only Qwen3.5 MoE (например, vLLM).
Формат весов: FP32, safetensors, детали экспорта зафиксированы в export_manifest.json.
Обсудить Telegram 0

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • F32веса 129 GB · готовые файлы130 GB
  • BF16веса 65 GB66 GB
  • FP8 / INT8рекомендуемвеса 32 GB34 GB
  • 4-bitвеса 18 GB19 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: В домашние видеокарты не поместится — выгоднее арендовать.

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

Для текстовых моделей — с контекстом 8192 токенов.

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

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте RTX A6000

    $0.43 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # wjn922-01/Qwen3.5-35B-A3B-SWE-SFT-step93 — RTX A6000, FP8 / INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve wjn922-01/Qwen3.5-35B-A3B-SWE-SFT-step93 --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к Qwen3.5-35B-A3B-SWE-SFT-step93
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Дообучение модели

Qwen/Qwen3.5-35B-A3B-Base

Новые посты про версии Qwen3.5-35B-A3B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

wjn922-01/Qwen3.5-35B-A3B-SWE-SFT-step93
Автор
wjn922-01
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

sola-air-1.5b

sola-air-1.5b