qwen3.8-27b-1C

Qwen3.8-27B-1C

SFT-адаптация Qwen/Qwen3.8-27B для разработки на платформе 1C:Enterprise: код на BSL, структура выгрузок BSL+XML, схемы XML и типовые практики конфигураций. Модель ориентирована на ассистента разработчика 1С: навигация по метаданным/XML-выгрузке, пояснение и правка BSL, следование внутренним стандартам кодирования, работа с открытыми кодовыми базами 1С.

Model Overview

Training data (SFT)

Обучение выполнялось на SFT-датасетах по темам:

• понимание структуры проекта BSL + XML;
• стандарты разработки на платформе 1C:Enterprise;
• особенности XML-схем файлов конфигурации;
• открытые кодовые базы 1С (чтение, объяснение, доработка паттернов).
• датасеты по осмысленному именованию процедур, функций, методов, параметров, переменных и доменных сущностей. Учит модель придумывать названия по роли, эффекту, результату и предметной области, а не хаотично.
• датасеты понимания языка запросов 1С.

Данные в основном instructional / chat-формата с длинными контекстами (user → assistant) под рабочие задачи разработчика, а не под общий чат.

Intended use

Подходит для:

• вопросов по расположению объектов/модулей в XML-выгрузке;
• генерации и рефакторинга BSL с учётом стиля 1С;
• пояснения типовых механизмов платформы и конфигураций;
• помощи в code review и разборе чужого BSL. Не подходит как:
• замена официальной документации 1С и аудита ИБ;
• источник «истины» по закрытым/проприетарным конфигурациям без вашей проверки;
• гарантия компилируемого/регламентно верного кода без прогона в конфигураторе / CI.

How to use

Используйте chat template базовой Qwen3.8. Для точных coding-задач (в т.ч. 1С) разумно стартовать с рекомендованных Qwen sampling-параметров для precise coding:

• temperature=0.6
• top_p=0.95
• top_k=20
• min_p=0.0
• presence_penalty=0.0
• repetition_penalty=1.3
• 'effort=medium' Thinking/non-thinking режимы и tool-calling наследуются от базовой Qwen3.8 — см. model card базы.

from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "YOUR_HF_USER/Qwen3.8-27B-1C"
tok = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo, torch_dtype="auto", device_map="auto", trust_remote_code=True
)
messages = [
    {"role": "user", "content": "Где в выгрузке конфигурации обычно лежит модуль объекта справочника?"}
]
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tok(text, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=1024, temperature=0.6, top_p=0.95)
print(tok.decode(out[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

Для GGUF / llama.cpp / OpenAI-compatible endpoint используйте ваш обычный export/serve pipeline после merge (если на HF лежит adapter).

Limitations

Возможны галлюцинации имён объектов метаданных, путей XML и «типовых» API. Поведение вне домена 1С может быть слабее или нестабильнее базы. Длинный контекст (128K+) сильно зависит от железа. Ответы нужно проверять в конфигураторе / на тестах (в т.ч. Vanessa), особенно для продакшена.

License

База Qwen3.8-27B: Apache-2.0. Производная модель — на тех же условиях, если отдельно не указано иное. Соблюдайте лицензии исходных open-source кодовых баз, вошедших в обучающую выборку.

Acknowledgements

Qwen/Qwen3.8-27B сообщество и open-source проекты экосистемы 1С