Модель 0.5B, обученная на 60B токенах, соперничает с Qwen3.5-2B, обученной на более чем 30T токенах
HN · 13.11.2026 · 23:40
Статья обсуждает модель 0.5B, которая демонстрирует конкурентоспособные результаты по сравнению с более крупной моделью Qwen3.5-2B.
Оригинал
0.5B base model trained on 60B tokens rivals Qwen3.5-2B trained on 30T+ tokens