Joey-1: 긴 답변 대신 20ms의 작은 결정을 노린다
Baseten의 Joey-1은 Qwen3.5-2B를 분류·라우팅·점수 판단에 맞게 후학습한 모델이다. 공통 입력을 재사용하는 구조와 입력 100만 토큰당 0.01달러의 의미, 성능·확률·배포 범위를 나눠 살펴본다.
Tag4 posts
#Qwen3.5
글 목록
Nimble: 긴 답변 대신 선택지의 확률로 결정을 만든다
Bespoke Nimble은 후보 토큰의 logits로 분류·조건 판단·점수를 반환한다. 대조 데이터 학습과 로컬 추론 구조를 살펴보고, 원본 평가·최신 checkpoint·v4 API의 근거와 라이선스를 분리한다.
WeMM-Embedding은 왜 2B로 8B 멀티모달 임베딩을 넘었나
Tencent WeChat Vision의 WeMM-Embedding은 Qwen3.5 기반 2B·4B·9B 멀티모달 임베딩 모델군으로, 데이터 정제·세밀한 관련도 감독·교차 규모 증류와 Matryoshka 차원 절감을 결합해 작은 모델의 검색 효율을 밀...
Agents-A1은 파라미터보다 에이전트의 horizon을 스케일링한다
Agents-A1은 Qwen3.5-35B-A3B 기반 35B MoE를 45K 토큰 장기 trajectory, knowledge-action graph, domain-routed on-policy distillation로 학습해 1T급 agent ben...