A-vibe

русскоязычная

A-vibe — это русскоязычная большая языковая модель от Авито, созданная на базе открытой Qwen3-8B-Base. Её главная особенность — уникальный подход к адаптации под русский язык: разработчики не просто дообучали модель, а полностью заменили токенизатор, объединив английские токены от оригинальной Qwen3 с русскими токенами из специально обученного токенизатора. Такой гибридный подход позволил достичь высокой плотности токенизации для русского текста (в среднем на 22% меньше токенов на один и тот же текст), что значительно ускорило обработку и сократило размер модели до 7.9 миллиардов параметров, модель обрабатывает русскоязычные запросы на 15-25% быстрее базовой версии

Технически обучение A-vibe включало несколько ключевых этапов: сначала адаптация токенизатора на 150 миллиардах токенов (31% русского и 31% английского языков), затем инструктивное обучение (SFT) на 800+ тысячах примеров, включая синтетические диалоги с function calling. Далее последовали этапы GRPO для улучшения математических способностей и работы с функциями, а также DPO для повышения безопасности и качества диалогов. Особое внимание уделялось частичной заморозке эмбеддингов при адаптации токенизатора — инновационный подход с хуками для градиентов позволил сохранить качество представлений для английских токенов.

A-vibe демонстрирует выдающиеся результаты на русскоязычных бенчмарках: она обгоняет базовую Qwen3-8B на math_500_ru (68.6% против 54.6%). На бенчмарке BFCL V3 для function calling модель достигает 58.63%, что подтверждает её возможности в вызове функций. Что особенно впечатляет, A-vibe в рейтинге RU_ARENA превосходит не только Qwen3-8B, но и другие русскоязычные модели гораздо большего размера.

Сценарии использования A-Vibe логично вытекают из её архитектуры и сильных сторон. Она идеально подходит для создания интеллектуальных русскоязычных чат-ботов и ассистентов, анализа и суммаризации текстов (включая пользовательские обращения и документы), генерации и объяснения кода, а также для решения логических и вычислительных задач в образовательных, аналитических и сервисных продуктах.


Дата анонса: 20.10.2025
Параметров: 7.9B
Контекст: 32K
Слоев: 36
Тип внимания: Full Attention
Потребление памяти: 10.7 ГБ в точности 4 бит
Разработчик: AvitoTech
Версия Transformers: 4.52.0.dev0
Лицензия: Apache 2.0

Публичный эндпоинт

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с A-vibe. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.
Наименование модели Контекст Тип GPU TPS Статус Ссылка
Для данной модели пока нет публичных эндпоинтов.

Частный сервер

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

  • получить максимальную производительность эндпоинта,
  • получить полный контекст для обработки больших запросов и диалогов,
  • обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
  • использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Рекомендуемые конфигурации для хостинга A-vibe

Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslat4-1.16.16.160
32 768
 16 16384 160 1 29,33 ₽ Запустить
teslaa2-1.16.32.160
32 768
 16 32768 160 1 33,74 ₽ Запустить
teslaa10-1.16.32.160
32 768
 16 32768 160 1 46,94 ₽ Запустить
rtx2080ti-2.12.64.160
32 768
tensor
 12 65536 160 2 61,37 ₽ Запустить
rtx3090-1.16.24.160
32 768
 16 24576 160 1 78,53 ₽ Запустить
rtx3080-2.16.32.160
32 768
tensor
 16 32762 160 2 86,54 ₽ Запустить
rtx4090-1.16.32.160
32 768
 16 32768 160 1 103,04 ₽ Запустить
teslav100-1.12.64.160
32 768
 12 65536 160 1 107,57 ₽ Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 16 65536 160 2 109,77 ₽ Запустить
rtx5090-1.16.64.160
32 768
 16 65536 160 1 141,77 ₽ Запустить
teslaa100-1.16.64.160
32 768
 16 65536 160 1 211,77 ₽ Запустить
teslah100-1.16.64.160
32 768
 16 65536 160 1 341,77 ₽ Запустить
h100nvl-1.16.96.160
32 768
 16 98304 160 1 367,41 ₽ Запустить
h200-1.16.128.160
32 768
 16 131072 160 1 423,04 ₽ Запустить
Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslat4-1.16.16.160
32 768
 16 16384 160 1 29,33 ₽ Запустить
teslaa2-1.16.32.160
32 768
 16 32768 160 1 33,74 ₽ Запустить
teslaa10-1.16.32.160
32 768
 16 32768 160 1 46,94 ₽ Запустить
rtx2080ti-2.12.64.160
32 768
tensor
 12 65536 160 2 61,37 ₽ Запустить
rtx3090-1.16.24.160
32 768
 16 24576 160 1 78,53 ₽ Запустить
rtx3080-2.16.32.160
32 768
tensor
 16 32762 160 2 86,54 ₽ Запустить
rtx4090-1.16.32.160
32 768
 16 32768 160 1 103,04 ₽ Запустить
teslav100-1.12.64.160
32 768
 12 65536 160 1 107,57 ₽ Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 16 65536 160 2 109,77 ₽ Запустить
rtx5090-1.16.64.160
32 768
 16 65536 160 1 141,77 ₽ Запустить
teslaa100-1.16.64.160
32 768
 16 65536 160 1 211,77 ₽ Запустить
teslah100-1.16.64.160
32 768
 16 65536 160 1 341,77 ₽ Запустить
h100nvl-1.16.96.160
32 768
 16 98304 160 1 367,41 ₽ Запустить
h200-1.16.128.160
32 768
 16 131072 160 1 423,04 ₽ Запустить
Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslat4-2.16.32.160
32 768
tensor
 16 32768 160 2 48,14 ₽ Запустить
teslaa2-2.16.32.160
32 768
tensor
 16 32768 160 2 51,34 ₽ Запустить
rtx2080ti-3.12.24.120
32 768
pipeline
 12 24576 120 3 74,84 ₽ Запустить
teslaa10-2.16.64.160
32 768
tensor
 16 65536 160 2 83,37 ₽ Запустить
rtx2080ti-4.16.32.160
32 768
tensor
 16 32768 160 4 99,74 ₽ Запустить
teslav100-1.12.64.160
32 768
 12 65536 160 1 107,57 ₽ Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 16 65536 160 2 109,77 ₽ Запустить
rtx3080-3.16.64.160
32 768
pipeline
 16 65536 160 3 127,37 ₽ Запустить
rtx5090-1.16.64.160
32 768
 16 65536 160 1 141,77 ₽ Запустить
rtx3090-2.16.64.160
32 768
tensor
 16 65536 160 2 149,37 ₽ Запустить
rtx3080-4.16.64.160
32 768
tensor
 16 65536 160 4 162,57 ₽ Запустить
rtx4090-2.16.64.160
32 768
tensor
 16 65536 160 2 195,57 ₽ Запустить
teslaa100-1.16.64.160
32 768
 16 65536 160 1 211,77 ₽ Запустить
teslah100-1.16.64.160
32 768
 16 65536 160 1 341,77 ₽ Запустить
h100nvl-1.16.96.160
32 768
 16 98304 160 1 367,41 ₽ Запустить
h200-1.16.128.160
32 768
 16 131072 160 1 423,04 ₽ Запустить

Связанные модели

Qwen3-30B-A3B
Qwen3-235B-A22B
Qwen3-0.6B
Qwen3-1.7B
Qwen3-4B
Qwen3-8B
Qwen3-14B
Qwen3-32B
DeepSeek-R1-0528-Qwen3-8B
T-pro-2.0
Qwen3-235B-A22B-Instruct-2507
Qwen3-235B-A22B-Thinking-2507
Qwen3-Coder-480B-A35B-Instruct
Qwen3-Coder-30B-A3B-Instruct
Qwen3-30B-A3B-Instruct-2507
Qwen3-30B-A3B-Thinking-2507
Qwen3-4B-Instruct-2507
Qwen3-4B-Thinking-2507
Qwen3-VL-235B-A22B-Instruct
Qwen3-VL-235B-A22B-Thinking
Qwen3-VL-30B-A3B-Instruct
Qwen3-VL-30B-A3B-Thinking
Qwen3-VL-8B-Instruct
Qwen3-VL-8B-Thinking
Qwen3-VL-4B-Instruct
Qwen3-VL-4B-Thinking
Qwen3-VL-2B-Instruct
Qwen3-VL-2B-Thinking
Qwen3-VL-32B-Instruct
Qwen3-VL-32B-Thinking

Остались вопросы?

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.