‏ThinkingCap: فاین‌تیون کارآمدِ Qwen 3.6 27B

Bottle Cap AI مدلی به اسم ThinkingCap منتشر کرده — یه فاین‌تیون از Qwen 3.6 27B — که یه مشکل مشخص رو هدف گرفته: مدل‌های استدلالی بیش از حد فکر می‌کنن. تو این مقاله اومده که به‌جای باهوش‌تر کردن مدل پایه، سراغ کارایی رفتن؛ به گزارش خود Bottle Cap AI، میانگین توکن‌های استدلال تو ۱۲ بنچمارک ۴۶٪ کم شده و دقت نزدیک مدل اصلی مونده. برای کسی که مدل کدنویسی رو روی GPU خودش اجرا می‌کنه، این یعنی latency و هزینهٔ کمتر با همون سطح هوش.

نویسنده یادآوری می‌کنه پیشرفت مدل‌ها تو دو سال اخیر بیشتر روی یه اهرم سوار بوده: اینکه مدل قبل از جواب دادن چقدر و چقدر خوب فکر کنه. اما زنجیرهٔ فکر بلندتر یعنی توکن بیشتر، و توکن یعنی زمان و پول. همین فشار تو مسیر GPT-5.1 به 5.5 و تو جهش Gemini از 3.5 به 3.6 هم دیده می‌شه؛ هدف اونجا هم زنجیرهٔ کوتاه‌تر و باکیفیت‌تر بوده، با تخمین ۲۵ تا ۳۰ درصد کاهش توکن برای Gemini 3.6.

به گفتهٔ Bottle Cap AI، هدف آموزش این بوده که استدلال کارآمد پاداش بگیره، نه صرفاً جواب درست؛ یعنی حلقه‌ها و مراحل تکراری جریمه می‌شن. ولی شرکت نگفته این کار با یادگیری تقویتی انجام شده یا فاین‌تیون نظارت‌شده یا ترکیبی از هر دو، و دیتاست آموزش رو هم منتشر نکرده — که برای بازتولید روی مدل‌های دیگه محدودیت جدی‌ای حساب می‌شه. چیزی که منتشر شده روش ارزیابیه: چند اجرا به‌ازای هر پرامپت، چند seed تصادفی و مقایسه با مدل پایه تو ۱۲ بنچمارک.

تو تست‌های عملی روی کوانت ۴ بیتی، ساختار استدلال دو مدل شبیه هم می‌مونه ولی ThinkingCap مرحله‌های بی‌اثر رو می‌بُره: تو یه سؤال الگوریتمی مدل پایه حدود ۳۰۰۰ توکن فکر مصرف کرده و ThinkingCap حدود ۲۲۰۰. تو کارهای وابسته به tool call ولی نتیجه برعکس شد و توکن بیشتری خورد. نویسنده می‌گه برای کسی که همین الان این مدل رو محلی اجرا می‌کنه، ThinkingCap تقریباً ارتقای مجانیه: drop-in و در قالب GGUF و FP8 — ولی جهش هوش نیست.

نکات کلیدی:

• ThinkingCap فاین‌تیونی از Qwen 3.6 27B توسط Bottle Cap AI، با تمرکز روی کارایی نه هوش بیشتر
• میانگین ۴۶٪ کاهش توکن استدلال تو ۱۲ بنچمارک با دقت نزدیک به مدل پایه
• drop-in برای ستاپ‌های محلی، در قالب GGUF و FP8 روی Hugging Face
• بیشترین صرفه‌جویی تو کدنویسی، ریاضی و منطق؛ نتیجه تو نوشتن بلند و کارهای وابسته به tool call کم‌ثبات‌تره
• دیتاست آموزش و روش دقیق آموزش منتشر نشده