Instructions to use Maksim-KOS/sft-qwen3-14b-flags with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Maksim-KOS/sft-qwen3-14b-flags with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="Maksim-KOS/sft-qwen3-14b-flags")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Maksim-KOS/sft-qwen3-14b-flags")
model = AutoModelForCausalLM.from_pretrained("Maksim-KOS/sft-qwen3-14b-flags", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Maksim-KOS/sft-qwen3-14b-flags with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Maksim-KOS/sft-qwen3-14b-flags"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Maksim-KOS/sft-qwen3-14b-flags",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Maksim-KOS/sft-qwen3-14b-flags

SGLang

How to use Maksim-KOS/sft-qwen3-14b-flags with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "Maksim-KOS/sft-qwen3-14b-flags" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Maksim-KOS/sft-qwen3-14b-flags",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "Maksim-KOS/sft-qwen3-14b-flags" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Maksim-KOS/sft-qwen3-14b-flags",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Maksim-KOS/sft-qwen3-14b-flags with Docker Model Runner:
```
docker model run hf.co/Maksim-KOS/sft-qwen3-14b-flags
```

You need to agree to share your contact information to access this model

This repository is publicly accessible, but you have to accept the conditions to access its files and content.

flag-CoT судья качества ответов ассистента (Qwen3-14B)

Оценивает ответ виртуального ассистента по методологии LAP++ V7 и выдаёт две метки:

gcr ∈ {present, partial, absent} — достижение цели диалога
product_vision ∈ {present, absent} — соответствие продуктовому видению

Отличие от прошлой 8B-версии: рассуждение структурировано по рубрикам, после каждой стоит типизированный флаг [[id=значение:тип]] (bin / cat3), а итоговые метки выводятся из флагов (подход CheckEval / BinEval) — цепочку можно аудировать.

Формат

Вход — system prompt (LAP++ V7 + каталог флагов) + user:

Вопрос клиента:
{query}

Контекст (пассажи):
{пассажи через "\n---\n"}

Ответ ассистента:
{answer}

Выход:

<think>1) Намерение … [[intent_clear=да:bin]]  2) … [[passage_rel.1=релевантный:cat3]] … 8) …</think>
```json
{"gcr": "present", "product_vision": "absent", "flags": {...}}
```

Обучение

База: unsloth/Qwen3-14B, LoRA r=128 / alpha=128 (rsLoRA), слито в bf16
3 эпохи, lr 2e-4 (cosine, warmup 5%), эфф. batch 16, adamw_8bit, seq 20480
Данные: дистилляция flag-CoT из GLM-5.2 на размеченных экспертами диалогах (фильтр: schema_valid + claims_aligned + самосогласованность флагов)

Инференс

vLLM, bf16. Self-consistency: 10 сэмплов @ T=0.5, голосование большинством. Стоп-строки — на закрывающем ``` фенсе.

Downloads last month: 254

Safetensors

Model size

15B params

Tensor type

BF16

Model tree for Maksim-KOS/sft-qwen3-14b-flags

Base model

Qwen/Qwen3-14B-Base

Finetuned

Qwen/Qwen3-14B

Finetuned

unsloth/Qwen3-14B

Adapter

(16)

this model