image/png webbigdata/Qwen3-0.6B_WBD
Qwen3-0.6Bに継続学習を行い、日本語能力・推論能力・日常会話能力を強化した軽量日本語モデルです。ブラウザ上での完全動作 スマートフォン、エッジデバイスでの動作を主な目標として開発されました。run completely in-browser and on smartphones, and edge devices.
ニュース / News
ブラウザデモ公開 インストール不要・サーバー不要でブラウザ上で完全動作するデモを公開 → webbigdata SLM Demo スマートフォン動作確認済み 2020年発売のAQUOS sense4 basic（Snapdragon 720G / RAM 3GB）で 17.20 t/s の動作を確認 → 動作動画 スマートフォン向け量子化版公開 executorchを使った4bit量子化版を公開 → dahara1/Qwen3-0.6B-executorch-jp
モデル概要 / Model Overview
項目 内容 ベースモデル / Base Model Qwen/Qwen3-0.6B パラメータ数 / Parameters 約6億 (0.6B) ライセンス / License Apache 2.0 対応言語 / Languages 日本語・英語 (Japanese / English) 学習手法 / Training SFT、RL、8bit量子化 開発者 / Developer dahara1@webbigdata
ブラウザデモ / Browser Demo
インストール不要・サーバー不要。ブラウザで今すぐ試せます。
Browser Demo Screenshot
WASM + llama.cpp による完全クライアントサイド動作。パラメータ数0.6B（8ビット量子化）610MBのモデルがブラウザ上で推論します。
特徴 / Features
日本語能力の底上げ ：独自データによる継続学習により、日本語の語彙・知識・表現力を強化推論能力の強化 ：強化学習(RL)をにより、論理的な推論能力を向上日本語日常会話能力の強化 ：自然な日本語会話を目指した学習を実施ブラウザ完全動作 ：WASM + llama.cppによりサーバー不要でブラウザ上で動作スマートフォン動作確認済み ：executorchにより2020年発売の廉価端末（Snapdragon 720G / RAM 3GB）で17.20 t/s を確認
ベンチマーク結果 / Benchmark Results
日本語ベンチマーク / Japanese Benchmarks
Model JCommonsenseQA JNLI JSTS JSQuAD Average Qwen3-0.6B-Q8_0（ベースライン） 62.40% 32.20% 17.20% 76.00% 46.95% Qwen3-0.6B_WBD（本モデル） 59.60% 72.60% 35.60% 82.00% 62.45%
継続学習により平均スコアが 46.95% → 62.45%（+15.5pt） に向上しました。特にJNLI（自然言語推論）は +40.4pt と大幅に改善しています。
JCommonsenseQAのわずかな低下は、知識・語彙が増えた結果、微妙なニュアンスで迷いが生じるケースが増えたためです。
他モデルとの比較について / Comparison with Other Models
NTTのtsuzumi（0.6B）など同サイズ帯の日本語特化モデルも存在しますが、JCommonsenseQA・JNLI・JSTS・JSQuADの具体的な数値を公開しているモデルは少なく、現時点で同一ベンチマークでの直接比較はできていません。本モデルは再現可能な評価条件を公開しています。
M-IFEval（日本語命令追従能力）
Model prompt-level (strict) instruction-level (strict) Qwen3-0.6B-Q8_0 0.366 0.420 Qwen3-0.6B_WBD 0.238 0.314
M-IFEVALの低下について：評価セットには「英語以外の言語への翻訳」など日本語特化学習と相性の悪いタスクが混在しています。
スマートフォン動作 / Smartphone Performance
executorchを使った4bit量子化版により、スマートフォン上での動作を実現しています。
動作確認端末：
項目 内容 機種 AQUOS sense4 basic A003SH 発売日 2020年11月19日（5年前の廉価スマートフォン） OS Android 12 SoC Qualcomm Snapdragon 720G（オクタコア） RAM 3GB 動作速度 17.20 t/s
注意： 現時点でのスマートフォン動作はPC経由のケーブル転送が必要です。一般向けアプリとしての配布はまだ行っていません。iPhone向けはシミュレーター上での動作確認のみです。
動かし方 / How to Run
llama.cpp を使った方法
llama.cpp からお使いのハードウェア向けのパッケージをダウンロードしてください。
Ollama や
LM Studio など、ggufファイルに対応したツールでも動かすことができます。
CLIで動かす（Linux/Mac）
./llama-cli -hf webbigdata/Qwen3-0.6B_WBD --ctx-size 4096 --temp 0.7 --top-p 0.8 --top-k 20 --min-p 0.01 --repeat-penalty 1.05llama-server で起動してブラウザからアクセスする
./llama-server -hf webbigdata/Qwen3-0.6B_WBD --host 0.0.0.0 --port 8080 --ctx-size 4096 --temp 0.7 --top-p 0.8 --top-k 20 --min-p 0.01 --repeat-penalty 1.05ブラウザで http://127.0.0.1:8080/ を開いてください。
Python スクリプトからアクセスする（OpenAI互換API）
1 from openai import OpenAI
2
3 client = OpenAI (
4 base_url = "http://localhost:8080/v1" ,
5 api_key = "dummy"
6 )
7
8 response = client . chat . completions . create (
9 model = "webbigdata/Qwen3-0.6B_WBD" ,
10 messages = [
11 { "role" : "system" , "content" : "あなたは親切なアシスタントです。" } ,
12 { "role" : "user" , "content" : "こんにちは！" }
13 ] ,
14 stream = True
15 )
16 for chunk in response :
17 if chunk . choices [ 0 ] . delta . content is not None :
18 print ( chunk . choices [ 0 ] . delta . content , end = "" , flush = True )
Qwen3 推奨パラメーター設定 / Recommended Parameters
Qwen3はGreedy decoding（Temperature=0などの決定論的生成）を使用すると繰り返し生成などの不具合が起きやすいため、サンプリング（Temperature > 0）の使用を強く推奨します。
パラメーター 推奨値 Temperature 0.7 Top_P 0.8 Top_K 20 Min_P 0.01 Repetition Penalty 1.05
量子化バリアント / Quantized Variants
学習データ / Training Data
独自に収集・合成したプライベートデータセットを使用しています。
謝辞 / Acknowledgments
Qwen/Qwen3-0.6B — ベースモデルQwen/Qwen3-0.6B — プロンプトテンプレートllama.cpp — 推論エンジンwllama — WebAssemblyHugging Face — モデルホスティング
開発者 / Developer
Developed by: dahara1@webbigdataModel type: Text Generation (Causal LM)Language(s): Japanese, EnglishBase Model: Qwen/Qwen3-0.6B Demo: https://webbigdata.jp/slm/ X (Twitter): https://x.com/webbigdata お問い合わせ / Contact: https://webbigdata.jp/webbigdata/inquiry/
1 @misc{dahara2025Qwen3-0.6B_WBD,
2 author = {dahara1@webbigdata},
3 title = {Qwen3-0.6B_WBD - Japanese-Enhanced Continual Learning Model},
4 year = {2026},
5 howpublished = {\url{https://huggingface.co/webbigdata/Qwen3-0.6B_WBD}},
6 abstract = {A lightweight Japanese-enhanced model based on Qwen3-0.6B, designed to run in browsers and on smartphones.},
7 }
