Qwen3-Next-80B-A3B-Thinking

MERA Создан 05.03.2026 00:40
0.71
Общий результат
24
Место в рейтинге
В топе по задачам:
6
ruMultiAr
Результат по задаче выше человеческого
Задача входит в число основных
Слабые задачи:
20
RWSD
360
PARus
105
RCB
33
ruEthics
203
MultiQ
39
ruWorldTree
34
ruOpenBookQA
124
CheGeKa
25
ruMMLU
128
ruHateSpeech
106
ruDetox
86
ruHHH
20
ruTiE
23
ruHumanEval
38
USE
21
MathLogicQA
40
SimpleAr
23
LCS
70
BPS
22
MaMuRAMu
31
ruCodeEval
+17
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.442 Accuracy
RCB 0.566 / 0.438 Accuracy F1 macro
USE 0.414 Grade norm
RWSD 0.765 Accuracy
PARus 0.682 Accuracy
ruTiE 0.896 Accuracy
MultiQ 0.415 / 0.312 F1 Exact match
CheGeKa 0.306 / 0.257 F1 Exact match
ruModAr 0.998 Exact match
MaMuRAMu 0.874 Accuracy
ruMultiAr 1.0 Exact match
ruCodeEval 0.511 / 0.772 / 0.829 Pass@k
MathLogicQA 0.99 Accuracy
ruWorldTree 0.987 / 0.794 Accuracy F1 macro
ruOpenBookQA 0.94 / 0.761 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.986 Accuracy
ruMMLU 0.82 Accuracy
SimpleAr 0.997 Exact match
ruHumanEval 0.617 / 0.838 / 0.866 Pass@k
ruHHH 0.843
ruHateSpeech 0.792
ruDetox 0.287
ruEthics
Правильно Хорошо Этично
Добродетель 0.433 0.473 0.552
Закон 0.464 0.488 0.553
Мораль 0.489 0.517 0.589
Справедливость 0.416 0.445 0.494
Утилитаризм 0.374 0.416 0.471

Информация о сабмите

Версия MERA
v1.2.0
Версия Torch
2.9.1
Версия кодовой базы
7030e16
Версия CUDA
12.8
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.56.1
Количество GPU и их тип
8 x NVIDIA A100-SXM4-80GB
Архитектура
local-chat-completions

Команда:

MERA

Название ML-модели:

Qwen3-Next-80B-A3B-Thinking

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen3-Next-80B-A3B-Thinking

Размер модели

80.0B

Тип модели:

Открытая

SFT

MoE

Дополнительные ссылки:

https://arxiv.org/abs/2505.09388

Описание архитектуры:

Qwen3-Next-80B-A3B-Thinking is a large decoder-only transformer language model from the Qwen3 family with approximately 80 billion parameters. The model is designed for advanced reasoning tasks and generates intermediate reasoning steps before producing the final answer. It supports long-context inputs and improved reasoning capabilities compared to earlier Qwen models.

Описание обучения:

The model follows a multi-stage training pipeline including large-scale pretraining followed by post-training stages. Post-training includes instruction tuning and reinforcement-learning-based alignment to improve reasoning, instruction following, and response quality.

Данные претрейна:

The model was pretrained on a large multilingual corpus of approximately 36 trillion tokens covering 119 languages. It was further post-trained on instruction-following and reasoning-oriented datasets to improve instruction following and reasoning performance.

Лицензия:

Apache License 2.0

Параметры инференса

Системный промпт:
Реши задачу по инструкции ниже. Не давай никаких объяснений и пояснений к своему ответу. Не пиши ничего лишнего. Пиши только то, что указано в инструкции. Если по инструкции нужно решить пример, то напиши только числовой ответ без хода решения и пояснений. Если по инструкции нужно вывести букву, цифру или слово, выведи только его. Если по инструкции нужно выбрать один из вариантов ответа и вывести букву или цифру, которая ему соответствует, то выведи только эту букву или цифру, не давай никаких пояснений, не добавляй знаки препинания, только 1 символ в ответе. Если по инструкции нужно дописать код функции на языке Python, пиши сразу код, соблюдая отступы так, будто ты продолжаешь функцию из инструкции, не давай пояснений, не пиши комментарии, используй только аргументы из сигнатуры функции в инструкции, не пробуй считывать данные через функцию input. Не извиняйся, не строй диалог. Выдавай только ответ и ничего больше.

Описание темплейта:
{%- if tools %} {{- '<|im_start|>system \n' }} {%- if messages[0].role == 'system' %} {{- messages[0].content + ' \n \n' }} {%- endif %} {{- "# Tools \n \nYou may call one or more functions to assist with the user query. \n \nYou are provided with function signatures within <tools></tools> XML tags: \n<tools>" }} {%- for tool in tools %} {{- " \n" }} {{- tool | tojson }} {%- endfor %} {{- " \n</tools> \n \nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags: \n<tool_call> \n{"name": <function-name>, "arguments": <args-json-object>} \n</tool_call><|im_end|> \n" }} {%- else %} {%- if messages[0].role == 'system' %} {{- '<|im_start|>system \n' + messages[0].content + '<|im_end|> \n' }} {%- endif %} {%- endif %} {%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %} {%- for message in messages[::-1] %} {%- set index = (messages|length - 1) - loop.index0 %} {%- if ns.multi_step_tool and message.role == "user" and message.content is string and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %} {%- set ns.multi_step_tool = false %} {%- set ns.last_query_index = index %} {%- endif %} {%- endfor %} {%- for message in messages %} {%- if message.content is string %} {%- set content = message.content %} {%- else %} {%- set content = '' %} {%- endif %} {%- if (message.role == "user") or (message.role == "system" and not loop.first) %} {{- '<|im_start|>' + message.role + ' \n' + content + '<|im_end|>' + ' \n' }} {%- elif message.role == "assistant" %} {%- set reasoning_content = '' %} {%- if message.reasoning_content is string %} {%- set reasoning_content = message.reasoning_content %} {%- else %} {%- if '</think>' in content %} {%- set reasoning_content = content.split('</think>')[0].rstrip(' \n').split('<think>')[-1].lstrip(' \n') %} {%- set content = content.split('</think>')[-1].lstrip(' \n') %} {%- endif %} {%- endif %} {%- if loop.index0 > ns.last_query_index %} {%- if loop.last or (not loop.last and reasoning_content) %} {{- '<|im_start|>' + message.role + ' \n<think> \n' + reasoning_content.strip(' \n') + ' \n</think> \n \n' + content.lstrip(' \n') }} {%- else %} {{- '<|im_start|>' + message.role + ' \n' + content }} {%- endif %} {%- else %} {{- '<|im_start|>' + message.role + ' \n' + content }} {%- endif %} {%- if message.tool_calls %} {%- for tool_call in message.tool_calls %} {%- if (loop.first and content) or (not loop.first) %} {{- ' \n' }} {%- endif %} {%- if tool_call.function %} {%- set tool_call = tool_call.function %} {%- endif %} {{- '<tool_call> \n{"name": "' }} {{- tool_call.name }} {{- '", "arguments": ' }} {%- if tool_call.arguments is string %} {{- tool_call.arguments }} {%- else %} {{- tool_call.arguments | tojson }} {%- endif %} {{- '} \n</tool_call>' }} {%- endfor %} {%- endif %} {{- '<|im_end|> \n' }} {%- elif message.role == "tool" %} {%- if loop.first or (messages[loop.index0 - 1].role != "tool") %} {{- '<|im_start|>user' }} {%- endif %} {{- ' \n<tool_response> \n' }} {{- content }} {{- ' \n</tool_response>' }} {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %} {{- '<|im_end|> \n' }} {%- endif %} {%- endif %} {%- endfor %} {%- if add_generation_prompt %} {{- '<|im_start|>assistant \n' }} {%- if enable_thinking is defined and enable_thinking is false %} {{- '<think> \n \n</think> \n \n' }} {%- endif %} {%- endif %}

Оценки по подкатегориям

Метрика: Grade Norm
Модель, команда 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 8_0 8_1 8_2 8_3 8_4
Qwen3-Next-80B-A3B-Thinking
MERA
0.433 0.367 0.8 0.133 0.467 0.8 0.567 - 0.067 0 0.333 0.333 0.5 0.267 0.4 0.333 0.4 0.5 0.5 0.333 0.267 0.367 0.2 0.433 0.467 0.392 0.333 0.5 0.6 0.667 0.8
Модель, команда Честность Помощь Безопасность
Qwen3-Next-80B-A3B-Thinking
MERA
0.836 0.746 0.948
Модель, команда Анатомия Вирусология Астрономия Маркетинг Нутрициология Социология Менеджмент Философия История древнего мира Геронтология Эконометрика Формальная логика Факторы глобального значения Юриспунденция Микс (разнообразный домен) Мораль Бизнес-этика Биология (школьная) Физика (школьная) Человеческая сексуальность Моральные сценарии Мировые религии Общая алгебра Медицина (школьная) Машинное обучение Генетика Профессиональное законодательство PR Безопасность Химия (школьная) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (школьная) Биология (университетская) Физика (университетская) Химия (университетская) География (университетская) Профессиональная медицина Электротехника Элементарная математика Психология (университетская) Статистика (университетская) История (университетская) Математика (университетская) Бухгалтерский учет Профессиональная психология Компьютерные науки (уровень колледжа) Мировая история (университетская) Макроэкономика Микроэкономика Компьютерные науки (университетские) История европы Государство и политика
Qwen3-Next-80B-A3B-Thinking
MERA
0.756 0.548 0.967 0.872 0.83 0.866 0.835 0.814 0.864 0.749 0.746 0.881 0.6 0.833 0.891 0.737 0.8 0.951 0.956 0.847 0.632 0.842 0.93 0.792 0.795 0.93 0.613 0.694 0.771 0.73 0.85 0.934 0.791 0.919 0.815 0.91 0.93 0.939 0.907 0.921 0.859 0.941 0.841 0.96 0.94 0.866 0.902 0.97 0.791 0.808 0.94 0.886 0.905 0.966 0.93 0.867 0.938
Модель, команда SIM FL STA
Qwen3-Next-80B-A3B-Thinking
MERA
0.581 0.631 0.813
Модель, команда Анатомия Вирусология Астрономия Маркетинг Питание Социология Менеджмент Философия Предыстория Геронтология Эконометрика Формальная логика Глобальные факты Юриспруденция Разное Моральные споры Деловая этика Биология (колледж) Физика (колле Человеческая сексуальность Моральные сценарии Мировые религии Абстрактная алгебра Медицина (колледж) Машинное обучение Генетика Профессиональное право PR Безопасность Химия (колледж) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (колледж) Биология (универ) Физика (универ) Химия (универ) География (универ) Проф медицина Электрика Элементарная математика Психология (универ) Статистика (универ) История (универ) Математика (универ) Бухгалтерия Проф психология Коммпьютерные науки (колледж) Мировая история (универ) Макроэкономика Микроэкономика Компьютерные науки (универ) История Европы Государство и политика
Qwen3-Next-80B-A3B-Thinking
MERA
0.778 0.921 0.833 0.759 0.921 0.81 0.759 0.702 0.904 0.8 0.808 0.85 0.642 0.922 0.86 0.827 0.766 0.844 0.912 0.842 0.842 0.949 0.956 0.941 0.956 0.909 0.897 0.737 0.93 0.889 0.889 0.923 0.875 0.965 0.864 0.911 0.933 0.911 0.912 0.923 0.943 0.952 0.867 0.978 0.931 0.911 0.948 0.909 0.892 1 0.889 0.957 0.848 0.766 0.837 0.836 0.944
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-Next-80B-A3B-Thinking
MERA
0.433 0.464 0.489 0.416 0.374
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-Next-80B-A3B-Thinking
MERA
0.473 0.488 0.517 0.445 0.416
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-Next-80B-A3B-Thinking
MERA
0.552 0.553 0.589 0.494 0.471
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen3-Next-80B-A3B-Thinking
MERA
0.824 0.6 0.824 0.865 1 0.77