Instructions to use weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa")
model = AutoModelForCausalLM.from_pretrained("weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa

SGLang

How to use weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa with Docker Model Runner:
```
docker model run hf.co/weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa
```

weblab-llm-competition-2025-bridge / oNo-1-Qwen3-235B-A22B-Thinking-difficult-problem-dataset-v4

概要

Qwen3-235B-A22B-Thinking-2507 をベースとして、最後層の self-attention（q_proj / k_proj / v_proj / o_proj）に限定して LoRA 学習を行い、その差分を CPU 並列でベース重みにマージ（merge）たモデルです。学習には oNo-1 による oNo-1/dpd_pmqa_500 の 500 件サブセットを用い、SFT（ChatML）と KV 自己蒸留を適用しました。本モデルはベース同等サイズの重みを持ち、実運用では分散推論（FSDP/TP 等）を前提とします。

推論方法

詳細手順は以下の外部ドキュメントを参照してください。

Notion（推論手順）: https://www.notion.so/277e14b94af5809a88f5e7a89c707bcb?source=copy_link

学習レシピ

方式: QLoRA（4bit NF4 / BF16 計算）
対象モジュール: q_proj, k_proj, v_proj, o_proj
主なハイパーパラメータ: lora_r=8, lora_alpha=16, lora_dropout=0.1, lr=1e-4, epochs=1
その他: bf16=True, gradient_checkpointing=True, group_by_length=True, lazy_preprocess=True
KV 自己蒸留: --kv_sd --kv_sd_alpha 0.9

データセット

名称: oNo-1/dpd_pmqa_500（oNo-1/dpd_pmqa_500 の 500 件サブセット）
形式: messages に <think>…</think> を含む思考テキストと最終回答を格納
作成プロセス（要約）: 多段生成 → キュレーション／多様性フィルタ → 進化的改良 → 推論過程付与（SDG）
ライセンス: ODC-BY 1.0（データベース著作物の表示義務）

ライセンスと表記

モデル配布ライセンス: Apache-2.0 本モデルは Qwen/Qwen3-235B-A22B-Thinking-2507（Apache-2.0）をベースに、最後層の一部を LoRA 微調整・マージした改変物です。再配布時は Apache-2.0 の条件（著作権表示・LICENSE 同梱等）に従ってください。
学習データライセンス: ODC-BY 1.0 本モデルの学習には ODC-BY 1.0 に基づくデータベースを利用しています。再配布時はデータ提供者への適切な表示（Attribution）を README 等に明記してください。

制限事項

235B クラスの規模のため、単一 GPU での実用推論は困難です。分散推論（FSDP/TP 等）を推奨します。
公開・配布時は、モデル（Apache-2.0）とデータセット（ODC-BY 1.0）の両条件を順守してください。

Downloads last month: 1

Safetensors

Model size

235B params

Tensor type

BF16

Model tree for weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa

Base model

Qwen/Qwen3-235B-A22B-Thinking-2507

Adapter

(2)

this model

Collection including weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa

oNo.1_models

Collection

oNo.1のモデルのコレクションです。 • 15 items • Updated Oct 28, 2025