Views
No views yet
| Layers | Hidden Size | FFN Intermediate | Attention | |
|---|---|---|---|---|
| TeleChat3-Coder-36B-Thinking | 64 | 6144 | 24576 | GQA |
| 评测集 | 任务类型 | Kimi-Dev-72B | Qwen3-32B-Thinking | Qwen3-30B-A3B-2507 | Qwen3-Coder-480B-A35B-Instruct | TeleChat3-Coder-36B-Thinking |
|---|---|---|---|---|---|---|
| IFEval | 指令 | - | 85 | 81.2 | 82.4 | 84.6 |
| SWE-bench Verified | 代码 | 60.4 | 28 | 51.6 | 69.6 | 65 |
| Terminal Bench | 代码 | - | 1.2 | 31.3 | 37.5 | 34.8 |
| Livecodebench(24.08-25.05) | 代码 | 51.5 | 66.7 | 42.5 | 57.5 | 78.2 |
| ArtifactsBench | 代码 | - | 64.3 | 73.8 | 78.7 | 82.8 |
| HumanEval-X | 代码 | 67.44 | 84.3 | 88.9 | 91.7 | 88.9 |
| MBPP-Plus | 代码 | - | 83.9 | 79.9 | 79.4 | 84.2 |
| CRUXEval | 代码 | - | 95 | 74.1 | 75.9 | 89.7 |
| BFCL-V3 | Agent | - | 70.3 | 59.2 | 68.7 | 70.5 |
| Tau2-Bench | Agent | - | 41.7 | 31.2 | 47 | 70 |
1**游戏名称**: 大鱼吃小鱼
2
3**基本功能**:
41. 游戏界面为水域风格的操作区域，包含核心元素：
5 - 玩家小鱼（可操控角色，有基础大小）；
6 - 其他鱼（不同大小的鱼类，随机分布在操作区域）；
7 - 基础功能区：显示当前得分、“开始/重新开始”按钮；
8 - 简单提示区：文字显示吃小鱼得分、被大鱼吃掉、游戏胜利/失败等反馈。
9
102. 核心交互规则：
11 - 操控逻辑：方向键（上下左右）控制玩家小鱼在水域内自由移动，无法超出操作区域边界；
12 - 吞噬规则：
13 ① 吃小鱼：玩家小鱼接触到比自身小的鱼时，判定吞噬成功，被吞噬的鱼消失，玩家小鱼体型变大，得分增加，提示吞噬成功；
14 ② 被大鱼吃：玩家小鱼接触到比自身大的鱼时，立即判定游戏失败，禁用所有操作，提示“被大鱼吃掉！游戏失败”；
15 - 胜利判定：玩家小鱼吞噬足够多的小鱼，体型达到设定的最大尺寸时，判定游戏胜利，禁用所有操作，提示“成为最大的鱼！通关成功”；
16 - 鱼类生成：游戏开始后，不同大小的鱼会随机出现在操作区域，数量和移动速度由代码合理控制。
17
183. 基础玩法：
19 1. 游戏初始化后，点击“开始”按钮启动游戏，各类鱼开始随机移动；
20 2. 玩家通过方向键操控小鱼移动，优先吞噬比自己小的鱼长大，避开比自己大的鱼；
21 3. 游戏失败/胜利后，点击“重新开始”可重置小鱼体型、得分和所有鱼类位置，重新游玩。
22
23请基于上述要求编写完整HTML代码
1**游戏名称**: 五子棋
2
3**基本功能**:
41. 游戏界面为网格形式的对弈区域，包含核心元素：
5 - 空白网格（供落子）；
6 - 两种不同标识的棋子（区分两位玩家）；
7 - 基础功能区：显示当前落子方、“重新开始”按钮；
8 - 简单提示区：文字显示获胜方、平局（可选）等反馈。
9
102. 核心交互规则：
11 - 落子逻辑：
12 ① 玩家1、玩家2轮流点击空白网格格子落子，各自的棋子有明确区分标识；
13 ② 已落子的格子无法重复点击，点击无响应；
14 - 胜利判定：
15 ① 任意一方的棋子在网格中连成横、竖、斜向的5子一线，立即判定该玩家获胜，禁用所有落子操作，提示区显示“X玩家获胜！”；
16 ② 网格全部落满且无5子连线，判定平局，提示区显示“平局！”。
17
183. 基础玩法：
19 1. 游戏初始化后，提示区显示“游戏开始！玩家1先落子”；
20 2. 两位玩家交替点击空白格子落子，率先将5颗棋子连成一线的玩家获胜；
21 3. 游戏获胜/平局后，点击“重新开始”可清空所有棋子，重置游戏状态，重新开始对弈。
22
23请基于上述要求编写完整HTML代码
transformers 库进行推理，示例如下：1import os
2import torch
3from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig
4tokenizer = AutoTokenizer.from_pretrained('./TeleChat3-Coder-36B-Thinking', trust_remote_code=True)
5model = AutoModelForCausalLM.from_pretrained('./TeleChat3-Coder-36B-Thinking', trust_remote_code=True, device_map="auto",torch_dtype=torch.bfloat16)
6prompt = "生抽与老抽的区别？"
7messages = [{"role": "user", "content": prompt}]
8text = tokenizer.apply_chat_template(messages,
9 tokenize=False,
10 add_generation_prompt=True
11)
12model_inputs = tokenizer(text, return_tensors="pt").to(model.device)
13generated_ids = model.generate(
14 **model_inputs,
15 top_p=0.95,
16 temperature=0.6,
17 repetition_penalty=1.0,
18 max_new_tokens=16384
19)
20response = tokenizer.decode(generated_ids[0], skip_special_tokens=False,spaces_between_special_tokens=False)
21answer = response.split("</think>")[-1].strip()
221export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
2python3 -m vllm.entrypoints.openai.api_server \
3 --model TeleChat3-Coder-36B-Thinking \
4 --trust-remote-code \
5 --tensor-parallel-size 8 \
6 --dtype bfloat16 \
7 --port 8000 \
8 --gpu-memory-utilization 0.9 \
9 --uvicorn-log-level "error" \
10 --max-model-len 131072 \
11 --enable-reasoning \
12 --enable-auto-tool-choice \
13 --tool-call-parser telechat3 \
14 --reasoning-parser deepseek_r1 \
15 --disable-custom-all-reduce \
16 --chat-template-content-format string1from openai import OpenAI
2openai_api_key = "EMPTY"
3openai_api_base = "http://localhost:8000/v1"
4
5client = OpenAI(api_key=openai_api_key, base_url=openai_api_base)
6chat_response = client.chat.completions.create(
7 model="TeleChat3-Coder-36B-Thinking",
8 messages=[
9 {"role": "user", "content": "生抽和酱油的区别是什么？"},
10 ],
11 temperature=0.6,
12 top_p=0.95,
13 max_tokens=16384,
14 extra_body={
15 "repetition_penalty": 1.0,
16 "skip_special_tokens": False,
17 "spaces_between_special_tokens": False,
18 },
19)
20print("Chat response:", chat_response)skip_special_tokens和spaces_between_special_tokens参数必须设置为 False，否则将无法正常解析推理结果repetition_penalty=1.0, top_p=0.95, temperature设为0.8-1.0之间的值进行推理。repetition_penalty=1.0, temperature=0.6, top_p=0.95进行推理。@misc{liu2025trainingreporttelechat3moe,
title={Training Report of TeleChat3-MoE},
author={Xinzhang Liu and Chao Wang and Zhihao Yang and Zhuo Jiang and Xuncheng Zhao and Haoran Wang and Lei Li and Dongdong He and Luobin Liu and Kaizhe Yuan and Han Gao and Zihan Wang and Yitong Yao and Sishi Xiong and Wenmin Deng and Haowei He and Kaidong Yu and Yu Zhao and Ruiyu Fang and Yuhao Jiang and Yingyan Li and Xiaohui Hu and Xi Yu and Jingqi Li and Yanwei Liu and Qingli Li and Xinyu Shi and Junhao Niu and Chengnuo Huang and Yao Xiao and Ruiwen Wang and Fengkai Li and Luwen Pu and Kaipeng Jia and Fubei Yao and Yuyao Huang and Xuewei He and Zhuoru Jiang and Ruiting Song and Rui Xue and Qiyi Xie and Jie Zhang and Zilu Huang and Zhaoxi Zhang and Zhilong Lu and Yanhan Zhang and Yin Zhang and Yanlei Xue and Zhu Yuan and Teng Su and Xin Jiang and Shuangyong Song and Yongxiang Li and Xuelong Li},
year={2025},
eprint={2512.24157},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2512.24157},
}
@misc{wang2025technicalreporttelechat2telechat25,
title={Technical Report of TeleChat2, TeleChat2.5 and T1},
author={Zihan Wang and Xinzhang Liu and Yitong Yao and Chao Wang and Yu Zhao and Zhihao Yang and Wenmin Deng and Kaipeng Jia and Jiaxin Peng and Yuyao Huang and Sishi Xiong and Zhuo Jiang and Kaidong Yu and Xiaohui Hu and Fubei Yao and Ruiyu Fang and Zhuoru Jiang and Ruiting Song and Qiyi Xie and Rui Xue and Xuewei He and Yanlei Xue and Zhu Yuan and Zhaoxi Zhang and Zilu Huang and Shiquan Wang and Xin Wang and Hanming Wu and Mingyuan Wang and Xufeng Zhan and Yuhan Sun and Zhaohu Xing and Yuhao Jiang and Bingkai Yang and Shuangyong Song and Yongxiang Li and Zhongjiang He and Xuelong Li},
year={2025},
eprint={2507.18013},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2507.18013},
}