Новости про Qwen3.5 4B
11 материалов с упоминанием Qwen3.5 4B: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
Персональная геология: 134 LoRA выявили «Big Five» в весах Qwen3.5
Исследователи из Mindscapes.world обнаружили, что веса 134 LoRA-адаптеров Qwen3.5-4B структурированы по пяти факторам, аналогичным человеческой «Большой пятерке».
-
Liquid AI LFM3: 2B-модель бьет Qwen3.5-9B в агентах
Liquid AI выпустила семейство LFM3: 6 открытых моделей с тригибридной архитектурой. LFM3-1.7B обходит Qwen3.5-9B в задачах веб-агентов, работая на 1 ГБ памяти.
-
Qwen3.5-4B-3D-Coder: Генерация 3D-сцен кодом с 4B модели
CCORE выпустила ранний превью-чекпоинт Qwen3.5-4B-3D-Coder — специализированную 4-миллиардную модель для генерации интерактивных 3D-сцен через Three.js.
-
Как ускорить LLM в 2.24 раза на слабом GPU: секреты оптимизации llama.cpp
Автор провел системное тестирование локальных LLM на NVIDIA GTX 1650 Ti (4 ГБ VRAM) и доказал, что правильная настройка llama.cpp дает прирост скорости до 2.24x без апгрейда железа.
-
ClawLoop: Автономное обучение агентов без учителя
Исследователи представили ClawLoop — фреймворк для самообучения LLM-агентов в средах типа 'harness'. Система генерирует задачи, обучает модель и анализирует ошибки, создавая замкнутый цикл без участия человека.
-
ELR: Один чекпоинт, разная скорость. Как обойти «налог» рекуррентных моделей
Исследователи представили Elastic Latent Recurrence (ELR) — метод обучения LLM, который устраняет разрыв в качестве между однократным и многократным проходом. Теперь одна модель может работать как быстрый легковесный ана
-
Microsoft-Decision-1: 83.5% точность за $0.042/млн токенов
Microsoft выпустила первую модель принятия решений на базе Qwen3.5-9B. Она не генерирует текст, а выдает калиброванные вероятности для выбора из фиксированного списка, обгоняя аналоги по скорости и цене.
-
Малые модели бьют GPT-5.4: как 0.8B SLM выиграл у флагманов в аннотации грамматики
Исследование показывает, что дообученная малая языковая модель Qwen3.5 (0.8B) превосходит промпченные GPT-5.4 и GPT-5.6 в точности разметки грамматики, снижая затраты на 16x и повышая вовлеченность учеников на 15.8%.
-
Fastino выпустил GLiNER2.5-Decide: 340M-модель для принятия решений на CPU
Fastino Labs представила GLiNER2.5-Decide — открытую модель-классификатор на 340 млн параметров, способную выполнять сложные решения (роутинг, guardrails) прямо на CPU с задержкой менее 170 мс.
-
J-lens vs Logit: Z-нормировка раскрыла скрытые слова в LLM
Исследование Ameya Panchal показало, что смещение в J-lens связано с частотой токенов. Z-нормировка повысила точность обнаружения скрытых концепций в Gemma-2 и Qwen3.
-
Нейросети учатся обходить «поражения»: Qwen3.5-4B восстановила логику после вмешательства
Исследование показало, что модель Qwen3.5-4B способна восстановить точность с 20,9% до 97,7% в сложных задачах, даже если её внутренние механизмы рассуждения намеренно блокируются во время обучения.