GPT-6 Astra изменила 0,016% весов Qwen3.5-0.8B и сократила циклы рассуждений
2026-11-02 исследователи MIT CSAIL опубликовали эксперимент по прямому изменению весов Qwen3.5-0.8B с помощью GPT-6 Astra. Система обнаружила повторяющиеся циклы при решении задач и скорректировала 131 072 веса, или 0,016% модели, без дополнительного обучения. По данным авторов, результат Qwen3.5-0.8B на MATH-500 вырос с 7,9% до 48,1%, на GSM8K — с 13,8% до 67,1%, а доля ответов, дошедших до лимита длины, снизилась с 93,0% до 33,1%.
Авторы открыли изменённую версию, разницу весов, журналы экспериментов и код для воспроизведения. Изменения затронули два слоя модели и направлены на устранение зацикливания, а не на добавление новых знаний. Базовая Qwen3.5-0.8B распространяется по Apache 2.0; для опубликованной разницы весов указана CC BY 4.0. Платы за использование нет, модель можно развернуть у себя, однако стоимость вычислительной инфраструктуры авторы не раскрывают.
Для бизнеса результат интересен как ранний способ точечно исправлять сбои небольших моделей без полного повторного обучения: это может сократить расходы на адаптацию и время простоя. Сами веса доступны за 0 ₽, но итоговый бюджет зависит от оборудования, проверки качества и сопровождения. Главный риск — переносить заявленный рост тестовых результатов на другие задачи: цифры приведены авторами, полноценной независимой проверки всех оценок пока нет. Метод остаётся исследовательским, поэтому перед применением нужны собственные испытания на рабочих данных.