Qwen3-0.6B_WBD

webbigdata/Qwen3-0.6B_WBD

Qwen3-0.6Bに継続学習を行い、日本語能力・推論能力・日常会話能力を強化した軽量日本語モデルです。
ブラウザ上での完全動作 スマートフォン、エッジデバイスでの動作を主な目標として開発されました。
A lightweight Japanese-enhanced model based on Qwen3-0.6B with improved Japanese language ability, reasoning, and conversational capability.
Designed primarily to run completely in-browser and on smartphones, and edge devices.

---

ニュース / News

• ブラウザデモ公開 インストール不要・サーバー不要でブラウザ上で完全動作するデモを公開 → webbigdata SLM Demo
• スマートフォン動作確認済み 2020年発売のAQUOS sense4 basic（Snapdragon 720G / RAM 3GB）で 17.20 t/s の動作を確認 → 動作動画
• スマートフォン向け量子化版公開 executorchを使った4bit量子化版を公開 → dahara1/Qwen3-0.6B-executorch-jp

---

モデル概要 / Model Overview

---

ブラウザデモ / Browser Demo

インストール不要・サーバー不要。ブラウザで今すぐ試せます。
No installation, no server required. Try it directly in your browser.

👉 https://webbigdata.jp/slm/

WASM + llama.cpp による完全クライアントサイド動作。パラメータ数0.6B（8ビット量子化）610MBのモデルがブラウザ上で推論します。
Fully client-side inference via WASM + llama.cpp. A 610MB (8-bit quantized, 0.6B parameter) model runs entirely in-browser.

---

特徴 / Features

• 日本語能力の底上げ：独自データによる継続学習により、日本語の語彙・知識・表現力を強化
• 推論能力の強化：強化学習(RL)をにより、論理的な推論能力を向上
• 日本語日常会話能力の強化：自然な日本語会話を目指した学習を実施
  ※ 0.6Bモデルの性質上、複数ターンに及ぶ長い会話には限界があります
• ブラウザ完全動作：WASM + llama.cppによりサーバー不要でブラウザ上で動作
• スマートフォン動作確認済み：executorchにより2020年発売の廉価端末（Snapdragon 720G / RAM 3GB）で17.20 t/s を確認

---

ベンチマーク結果 / Benchmark Results

日本語ベンチマーク / Japanese Benchmarks

継続学習により平均スコアが 46.95% → 62.45%（+15.5pt） に向上しました。特にJNLI（自然言語推論）は +40.4pt と大幅に改善しています。

JCommonsenseQAのわずかな低下は、知識・語彙が増えた結果、微妙なニュアンスで迷いが生じるケースが増えたためです。

他モデルとの比較について / Comparison with Other Models

NTTのtsuzumi（0.6B）など同サイズ帯の日本語特化モデルも存在しますが、JCommonsenseQA・JNLI・JSTS・JSQuADの具体的な数値を公開しているモデルは少なく、現時点で同一ベンチマークでの直接比較はできていません。本モデルは再現可能な評価条件を公開しています。

M-IFEval（日本語命令追従能力）

M-IFEVALの低下について：評価セットには「英語以外の言語への翻訳」など日本語特化学習と相性の悪いタスクが混在しています。
日本語固有タスク（キーワード存在確認・文字数制約・numbered listなど）では競争力のある性能を示しています。

---

スマートフォン動作 / Smartphone Performance

executorchを使った4bit量子化版により、スマートフォン上での動作を実現しています。

動作確認端末：

📹 動作確認動画（YouTube Shorts）

注意： 現時点でのスマートフォン動作はPC経由のケーブル転送が必要です。一般向けアプリとしての配布はまだ行っていません。iPhone向けはシミュレーター上での動作確認のみです。

スマートフォン向け量子化版：dahara1/Qwen3-0.6B-executorch-jp

---

動かし方 / How to Run

llama.cpp を使った方法

llama.cpp からお使いのハードウェア向けのパッケージをダウンロードしてください。
Ollama や LM Studio など、ggufファイルに対応したツールでも動かすことができます。

CLIで動かす（Linux/Mac）

./llama-cli -hf webbigdata/Qwen3-0.6B_WBD --ctx-size 4096 --temp 0.7 --top-p 0.8 --top-k 20 --min-p 0.01 --repeat-penalty 1.05

llama-server で起動してブラウザからアクセスする

./llama-server -hf webbigdata/Qwen3-0.6B_WBD --host 0.0.0.0 --port 8080 --ctx-size 4096 --temp 0.7 --top-p 0.8 --top-k 20 --min-p 0.01 --repeat-penalty 1.05

ブラウザで http://127.0.0.1:8080/ を開いてください。

Python スクリプトからアクセスする（OpenAI互換API）

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="dummy"
)

response = client.chat.completions.create(
    model="webbigdata/Qwen3-0.6B_WBD",
    messages=[
        {"role": "system", "content": "あなたは親切なアシスタントです。"},
        {"role": "user", "content": "こんにちは！"}
    ],
    stream=True
)
for chunk in response:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="", flush=True)

Qwen3 推奨パラメーター設定 / Recommended Parameters

Qwen3はGreedy decoding（Temperature=0などの決定論的生成）を使用すると繰り返し生成などの不具合が起きやすいため、サンプリング（Temperature > 0）の使用を強く推奨します。

---

量子化バリアント / Quantized Variants

---

学習データ / Training Data

独自に収集・合成したプライベートデータセットを使用しています。
Private datasets collected and created by webbigdata.

---

謝辞 / Acknowledgments

• Qwen/Qwen3-0.6B — ベースモデル
• Qwen/Qwen3-0.6B — プロンプトテンプレート
• llama.cpp — 推論エンジン
• wllama — WebAssembly
• Hugging Face — モデルホスティング

---

開発者 / Developer

• Developed by: dahara1@webbigdata
• Model type: Text Generation (Causal LM)
• Language(s): Japanese, English
• Base Model: Qwen/Qwen3-0.6B
• Demo: https://webbigdata.jp/slm/
• X (Twitter): https://x.com/webbigdata
• お問い合わせ / Contact: https://webbigdata.jp/webbigdata/inquiry/

@misc{dahara2025Qwen3-0.6B_WBD,
  author       = {dahara1@webbigdata},
  title        = {Qwen3-0.6B_WBD - Japanese-Enhanced Continual Learning Model},
  year         = {2026},
  howpublished = {\url{https://huggingface.co/webbigdata/Qwen3-0.6B_WBD}},
  abstract     = {A lightweight Japanese-enhanced model based on Qwen3-0.6B, designed to run in browsers and on smartphones.},
}