Qwen3-GenX1.9-30B-A3B-LoRA

GenX Overview

GenX는 INTERX Gen.AI 팀에서 개발한 제조 특화 언어 모델입니다.

GenX는 자체 수집한 제조 도메인 데이터를 이용해 학습되었으며, 뛰어난 제조 지식을 바탕으로 사용자의 물음에 더 길고 정확하며 자세한 답변을 제공합니다.

Model Details

• Qwen3-GenX1.9-30B-A3B-LoRA는 Qwen3-30B-A3B-Instruct-2507를 베이스 모델로 사용하여 LoRA로 Supervised Finetuning을 수행하였습니다.
• 학습 데이터는 영어 및 한국어로 구성되어 있으며, 제조 도메인 데이터를 주요하게 포함하여 과학, 수학, 의료, 일반 도메인, 코딩, Instruction following 등 다양한 도메인과 태스크를 포함하여 구축한 약 1백만건(5GB) 분량의 SFT 데이터를 사용했습니다.
• SFT 데이터에 포함된 제조 도메인 데이터는 Molding, Welding, Machining, Press, Heat Treatment, Surface Treatment, Additive Manufacturing, PLC, CAD/CAM, Robotics 등 다양한 제조 서브도메인을 포함하고 있습니다.

Inference example

Input	Qwen3-30B-A3B-Instruct-2507	Qwen3-GenX1.9-30B-A3B-LoRA
CNC 가공 공정에서 치수 불량이 갑자기 증가했습니다. 설비 조건은 동일한데 공구 사용 시간이 기준보다 길어졌습니다. 가장 가능성 높은 원인과 취해야할 조치를 세 문장 내로 대답해줘	공구 마모로 인한 치수 불량이 발생했을 가능성이 높습니다. 공구 사용 시간이 기준을 초과했으므로 즉시 공구 교체가 필요합니다. 교체 후 공정 검증을 통해 치수 안정성을 확인해야 합니다.	공구 마모가 치수 불량의 가장 가능성 높은 원인입니다. 즉시 사용 중인 공구를 교체하고, 다음 공구의 교체 주기를 10~20% 단축하여 예방해야 합니다. 또한, 공구 생존 시간과 치수 품질의 상관 관계를 기록하여 향후 트랜드를 분석해야 합니다.
사출 성형 공정에서 특정 교대조에서만 외관 불량이 발생합니다. 가장 먼저 의심해야 할 요소는 무엇인지 한 마디로 대답하세요.	사용 중인 금형이나 매트릭스의 특정 조건/누수/마모 상태	교대조별로 달라지는 인력의 작업 습관 또는 교육 수준

Quickstart

아래 예시 코드를 활용하면 GenX를 transformers 기반으로 불러와 사용할 수 있습니다.

from transformers import AutoModelForCausalLM, AutoTokenizer
from transformers.generation import GenerationConfig

model_id = "INTERX/Qwen3-GenX1.9-30B-A3B-LoRA"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", torch_dtype="auto", trust_remote_code=True)

prompt = "사출성형이 뭔가요?"
messages = [{"role": "user", "content": prompt}]

tokenized_chat = tokenizer.apply_chat_template(
        messages,
        tokenizer=True,
        add_generation_prompt=True,
        return_tensors='pt'
).to(model.device)

generated_ids = model.generate(tokenized_chat, max_new_tokens=512)

generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(tokenized_chat, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(response)

Citation

@misc{qwen3-genx1.9-30b-a3b-lora,
    title = {Qwen3-GenX1.9-30B-A3B-LoRA},
    url = {https://huggingface.co/INTERX/Qwen3-GenX1.9-30B-A3B-LoRA/main/README.md},
    author = {Gen.AI@INTERX},
    month = {Dec},
    year = {2025}
}