Instructions to use abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1 with Transformers:

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

pipe = pipeline("text-generation", model="abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1")
model = AutoModelForCausalLM.from_pretrained("abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1", 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 abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1

SGLang

How to use abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1 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 "abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1" \
    --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": "abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1",
		"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 "abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1" \
        --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": "abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1 with Docker Model Runner:
```
docker model run hf.co/abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

ABEJA-Qwen3-14B-Agentic-256k-v0.1

ABEJA-Qwen3-14B-Agentic-256k-v0.1は、Alibaba社の開発したQwen3-14Bに対して追加学習を行ったものです。

エージェントとして活用できるようにロングコンテキスト性能とPlanning / Tool Use などの Agentic な能力の向上を狙ったもので、コンテキスト長として256kまで対応しつつ、思考とツール利用のループが出来ることが主な特徴のモデルです。

※本モデルは、幅広い汎用用途向けというより、エージェント利用を主な想定としております。

モデル詳細・使い方

モデルの特徴やサンプルコードは下記ブログを参照してください。

https://tech-blog.abeja.asia/entry/geniac3-qwen3-agentic-model

ベースモデルであるQwen3-14Bと同様に、パラメータとしては、Temperature=0.6, TopP=0.95, TopK=20, MinP=0 及び greedy decodingを使わないことを推奨しています。

For thinking mode, use Temperature=0.6, TopP=0.95, TopK=20, and MinP=0 (the default setting in generation_config.json). DO NOT use greedy decoding, as it can lead to performance degradation and endless repetitions. For more detailed guidance, please refer to the Best Practices section.

開発プロセス・ノウハウ

強化学習を中心とした開発プロセスの詳細及びそこで得られたノウハウについてもこちらで公開しています。

https://tech-blog.abeja.asia/entry/geniac3-agentic-rl-process

開発者

Fumitaka Iwaki
Keisuke Fujimoto
Kyo Hattori
Shinya Otani
Tomoki Fujihara
Yudai Kato

(*)アルファベット順

License

This model is licensed under the Apache License 2.0.

See:

Downloads last month: 416

Safetensors

Model size

15B params

Tensor type

BF16

Model tree for abeja/ABEJA-Qwen3-14B-Agentic-256k-v0.1

Base model

Qwen/Qwen3-14B-Base

Finetuned

(82)

this model

Quantizations

4 models