GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
Officerofff
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
Officerofff
Model Tree
Qwen/Qwen3-0.6B
Input Modalities
Output Modalities
Supported Functionality
Ofcen-Bench-RU — наш набор из 200 русских вопросов в 8 категориях (общение, факты, объяснения, советы, тексты, логика, код, следование инструкциям). Вопросы написаны вручную и не входят в обучающие данные. Ответы двух моделей сравнивались попарно и вслепую (порядок A/B случайный, названия моделей скрыты); Победа = 1, ничья = 0.5.
| Категория | Ofcen-CHRU v1.1 | Qwen3-0.6B |
|---|---|---|
| Итого | 54.5% | 45.5% |
| объяснения (explain) | 72% | 28% |
| факты (facts) | 64% | 36% |
| код (code) | 60% | 40% |
| общение (chat) | 56% | 44% |
| тексты (writing) | 52% | 48% |
| советы (advice) | 50% | 50% |
| инструкции (instructions) | 50% | 50% |
| логика и задачи (reasoning) | 32% | 68% |
Итог: 98 побед, 22 ничьи, 80 поражений из 200. Обе модели генерировали без режима размышлений, greedy, до 768 токенов. Qwen3-0.6B — Instruct-версия со своим шаблоном по умолчанию; Ofcen-CHRU — со своим системным промптом (см. ниже).
python
from transformers import AutoModelForCausalLM, AutoTokenizer name = "Officerofff/Ofcen-CHRU-v1.1"tokenizer = AutoTokenizer.from_pretrained(name)model = AutoModelForCausalLM.from_pretrained(name, dtype="auto", device_map="auto") system = ("Ты — Ofcen-CHRU, ИИ-ассистент от команды Ofcen. Отвечай на русском языке, " "по делу, понятно и дружелюбно.")messages = [{"role": "system", "content": system}, {"role": "user", "content": "Объясни простыми словами, что такое инфляция."}]inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, enable_thinking=False, return_dict=True, return_tensors="pt").to(model.device)out = model.generate(**inputs, max_new_tokens=512, do_sample=True, temperature=0.7, top_p=0.9, repetition_penalty=1.1)print(tokenizer.decode(out[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))Модель обучена с этим системным промптом — с ним она ведёт себя лучше всего. Если системный промпт не задан,
шаблон чата подставит его сам. Используйте
enable_thinking=False: режим размышлений Qwen3 при дообучении не использовался.
Данные:
Это очень маленькая модель, и у неё заметные ограничения:
Над этим работает следующая версия (v1.2): задачи с пошаговыми решениями, поиск по Википедии, очистка данных.
Apache 2.0
from transformers import AutoModelForCausalLM, AutoTokenizer name = "Officerofff/Ofcen-CHRU-v1.1"tokenizer = AutoTokenizer.from_pretrained(name)model = AutoModelForCausalLM.from_pretrained(name, dtype="auto", device_map="auto") system = ("Ты — Ofcen-CHRU, ИИ-ассистент от команды Ofcen. Отвечай на русском языке, " "по делу, понятно и дружелюбно.")messages = [{"role": "system", "content": system}, {"role": "user", "content": "Объясни простыми словами, что такое инфляция."}]inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, enable_thinking=False, return_dict=True, return_tensors="pt").to(model.device)out = model.generate(**inputs, max_new_tokens=512, do_sample=True, temperature=0.7, top_p=0.9, repetition_penalty=1.1)print(tokenizer.decode(out[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))