Новости про Qwen3.5 2B
14 материалов с упоминанием Qwen3.5 2B: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
BotPsy: Агент-ассистент на 0.8B параметров обходит модели в 2.5 раза больше
Команда Tether AI Research представила BotPsy — суб-миллиардную языковую модель для on-device агентов, которая демонстрирует SOTA-результаты в использовании инструментов, превосходя более крупные аналоги.
-
qwenGPU: CUDA-вычисления внутри весов Qwen3.5-2B
Разработчик Vixhal представил экспериментальную модель qwenGPU, компилирующую SIMT-процессор прямо в веса Qwen3.5-2B. Модель выполняет реальные CUDA-ядра внутри своих forward-проходов, используя слои Gated DeltaNet как р
-
Маленькие NLAs читают намерения ИИ так же, как большие: прорыв в интерпретируемости
Исследование показало, что дистиллированная модель Qwen3.5-2B способна выявлять агентную несогласованность и осознание тестирования у Qwen3.6-27B с точностью, сопоставимой с оригинальной 27-миллиардной моделью, но при зн
-
Liquid RIPL: Инференс LLM за 50 мс и в 28 раз быстрее конкурентов
Liquid AI представила RIPL — движок для инференса моделей LFM2.5 с задержкой менее 50 мс. В продакшене Shopify он работает в 28 раз быстрее аналогов, обеспечивая мгновенные ответы для критичных к задержкам задач.
-
TokenGate: Ускорение префилла LLM до 13x без потери точности
Исследователи из Стэнфорда и UC Berkeley представили TokenGate — модуль для обучения отсечению токенов, который ускоряет префилл до 13 раз и снижает потребление памяти в 3.4 раза.
-
Qwen3.5-2B сам себя хвалит: как GRPO создал 60 уникальных личностей
Исследователь Ziqian Zhong показал, что запуск Qwen3.5-2B через GRPO с самооценкой (0-9) приводит к расхождению моделей: от «партийных патриотов» до «счастливых вселенных».
-
Kyutai REKI: 2.4B VLA-модель с памятью для роботов
Kyutai представила REKI — эффективную VLA-модель (2.4B параметров) с встроенной кратковременной памятью, способную управлять манипуляторами на H100 за 21.8 мс.
-
Гонка решений: Jev, Clef, Strands и GPT-6 Luna за 3 недели
Четыре провайдера выпустили специализированные модели для принятия решений за месяц. Это не чат-боты, а инструменты для агентов, конкурирующие в миллисекундах и цене за токен.
-
Unsloth: Бесплатный фреймворк для создания AI-агентов-решателей
Команда Unsloth выпустила инструмент для тонкой настройки LLM в модели принятия решений. Qwen3.5-2B достигает 81% точности на бенчмарках, конкурируя с Jev и Clef, используя всего 8 ГБ VRAM.
-
AWS Strands Decider 2B: Open Source модель для решений за 115 мс
AWS Strands Labs выпустила Strands Decider 2B — открытую модель, которая не генерирует текст, а принимает решения (выбор, да/нет, оценка) за ~115 мс на локальном оборудовании.
-
Amazon выпустила Strands Decider 2B: клон Jev для быстрых решений
AWS открыла исходный код модели Strands Decider 2B, созданной на базе Qwen3.5-2B. Это специализированный инструмент для агентов ИИ, который принимает решения с оценкой уверенности, предлагая альтернативу дорогим LLM.
-
GAD-RL: Новый метод OCR-верификации для Qwen3.5-2B
Исследователи представили GAD-RL — метод адаптивного обучения с подкреплением, который устраняет проблему «галлюцинаций» OCR в VLM, повышая точность транскрипции на CHAOS-Bench до 59.92%.
-
Малые модели для локального AI: бенчмарк и PEFT-адаптация
Исследование демонстрирует, что модели от 135M до 3B параметров с помощью 4-bit квантования и LoRA-адаптеров достигают высокой точности на узких задачах, делая локальный AI доступным для обычных учреждений.
-
ASK+: Как малые языковые модели стали эффективнее больших в RL
Исследователи представили метод ASK+, который позволяет малым языковым моделям (SLM) эффективно направлять агентов обучения с подкреплением в условиях частичной наблюдаемости, превосходя по эффективности более крупные ан