GLM-5.2 is live. #1 throughput on OpenRouter, pay-per-token on FriendliAI. Try it today ➜
ai-literacy-innovation-institute
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
ai-literacy-innovation-institute
Model Tree
Qwen/Qwen3.5-35B-A3B-Base
Input Modalities
Output Modalities
Supported Functionality
Karena ini adalah adapter LoRA, Anda perlu memuat base model Qwen-35B terlebih dahulu, kemudian menginjeksi adapter ini.
python
from peft import PeftModelfrom transformers import AutoModelForCausalLM, AutoTokenizerbase_model = "Qwen/Qwen3.5-35B-A3B-Base"adapter_id = "ai-literacy-innovation-institute/ilma-FT-MUI"tokenizer = AutoTokenizer.from_pretrained(base_model)model = AutoModelForCausalLM.from_pretrained(base_model)# Muat LoRA Adaptermodel = PeftModel.from_pretrained(model, adapter_id)
Model ini dilatih menggunakan Dataset Gold-Standard khusus Fatwa MUI (Majelis Ulama Indonesia) dengan spesifikasi:
Model dikonvergensi setelah 3 Epoch (119 step) dengan stabilitas tinggi:
Pada pengujian generasi komparatif terhadap 15 sampel, model mencapai skor ROUGE berikut (dievaluasi tanpa tag <think>):
(Catatan Akademis: Meskipun secara kualitatif model memiliki tingkat faktual 100% dan mematuhi format instruksi secara sempurna dengan mencantumkan blok pemikiran abstrak <think>...</think>, nilai ROUGE terlihat rendah. Ini adalah Paradoks Evaluasi, karena skrip penilai memotong seluruh narasi di dalam tag <think> untuk menilai jawaban akhir (yang ringkas), kemudian membandingkannya dengan Ground Truth yang memuat keseluruhan Chain-of-Thought (yang panjang). Skor Base Model bahkan lebih tinggi secara false-positive karena ia gagal mengikuti instruksi tag dan mengalami lexical verbosity yang bertepatan secara n-gram. Hal ini membuktikan bahwa ILMA-FT-MUI secara absolut sukses dalam kepatuhan format struktural (structural alignment) dari Teacher Model.)