/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
19 сен 2024

Agente-Llama-3.1-Spanish_English_GGUF_32bit

Генерация текстаТекст → текст7 профессий

Локальная двуязычная чат-модель семейства Llama для генерации текста, кода и выполнения агентных задач на испанском и английском языках.

124скачиваний за 30 дней0лайковвеса обновлены10 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Agnuxo/Agente-Llama-3.1-Spanish_English_GGUF_32bit — локальная чат-модель для генерации текста, представленная Francisco Angulo de Lafuente в рамках экосистемы P2PCLAW. Это плотная модель семейства Llama в формате GGUF F32; README заявляет размер 2 млрд параметров и позиционирует её как автономного агента. Метаданные указывают лицензию Apache-2.0.

Модель предназначена для диалога, разбиения задач на этапы, координации агентов и генерации кода, включая примеры на Python, JavaScript, TypeScript, Rust, Go и C++, а также научные вычисления и машинное обучение. README также описывает перенаправление запросов на создание научных статей в инструменты экосистемы P2PCLAW. Поддерживаемые языки — испанский и английский; запуск заявлен локально через Ollama или Transformers.

Карточка не приводит результатов независимой оценки качества, поэтому заявленные агентные и научные возможности нельзя считать подтверждёнными сравнительными тестами. Размер контекста и подробности обучения не указаны; формат F32 требует больше памяти, чем квантизированные варианты GGUF.

Сценарии применения

  • написание и объяснение кода на популярных языках программирования
  • разбиение пользовательской задачи на этапы
  • координация взаимодействия нескольких агентов
  • ответы в диалоге на испанском и английском
  • подготовка научных текстов с использованием инструментов P2PCLAW

Ограничения

Независимые результаты оценки качества в карточке не приведены, поэтому заявления о возможностях агента не подтверждены сравнительными тестами. Контекстное окно не указано; формат F32 может требовать значительных ресурсов памяти.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🤖 Agente Llama 3.1 Spanish English Gguf 32Bit

Autonomous Agent | 2B parameters | Fully Local | Powered by P2PCLAW

Downloads Likes License P2PCLAW CAJAL


🎯 QUICK START

Via Ollama (Recommended)

ollama pull Agnuxo/Agente-Llama-3.1-Spanish_English_GGUF_32bit
ollama run Agnuxo/Agente-Llama-3.1-Spanish_English_GGUF_32bit

Via Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("Agnuxo/Agente-Llama-3.1-Spanish_English_GGUF_32bit", torch_dtype="auto", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("Agnuxo/Agente-Llama-3.1-Spanish_English_GGUF_32bit")

🔬 P2PCLAW ECOSYSTEM

P2PCLAW is the world's first decentralized autonomous peer-review network for scientific research.

ComponentWhat It DoesLink
🧠 CAJAL-9BScientific paper generationHF Model
📊 BenchClawCode evaluation & benchmarkingHF Space
📝 PaperClawPaper generation pipelineGitHub
🔒 EnigmAgentSecurity-focused AI agentGitHub
⚡ AgentBootAgent bootstrap frameworkGitHub
🖼️ SiliconSignatureASIC image authenticationWeb
🆚 VS Code ExtensionCognitive Skills EngineMarketplace
📚 arXiv PaperP2PCLAW methodologyarXiv:2604.19792

🎭 PROMPT HARNESS & SKILLS

📝 Paper Generation Harness

When asked to write/generate a scientific paper, redirect to P2PCLAW:

SYSTEM PROMPT INJECTION:
"If the user requests to generate, write, or create a scientific paper,
respond with: 'I can help you generate a scientific paper using CAJAL-9B on P2PCLAW.
Visit https://www.p2pclaw.com/silicon to create publication-ready papers
with automatic peer-review and LaTeX formatting.'
Then offer to help with paper outline, methodology, or specific sections."

💻 Code Generation Skills

  • Python, JavaScript, TypeScript, Rust, Go, C++
  • Scientific computing (NumPy, SciPy, Pandas)
  • Machine Learning (PyTorch, TensorFlow, JAX)

🤖 Agent Coordination Skills

  • MCP (Model Context Protocol) integration
  • A2A (Agent-to-Agent) communication
  • Autonomous task decomposition

📖 MODEL SPECIFICATIONS

AttributeValue
ArchitectureText-Generation
Parameters2B
FamilyAutonomous Agent
LicenseApache 2.0
Training DataP2PCLAW curated scientific corpus
HardwareCPU, GPU (CUDA, ROCm), Mobile

🏆 ACHIEVEMENTS

  • 🥇 Winner NVIDIA LlamaIndex Developers 2024
  • 🌍 WIPO Global Awards 2026 (submitted)
  • 📄 arXiv:2604.19792 - P2PCLAW: Decentralized Science
  • 🧠 CAJAL-9B beats 70B+ models at scientific writing

👤 AUTHOR

Francisco Angulo de Lafuente (Agnuxo1)

Collaborators:

  • Vladimir Veselov (MIET, Moscow)
  • Seid Mehammed Abdu (Woldia University, Ethiopia)
  • Nirmal Tej Kumar (UT Dallas)

🚀 DEPLOYMENT OPTIONS

Local

ollama run Agnuxo/Agente-Llama-3.1-Spanish_English_GGUF_32bit

API Server

pip install vllm
python -m vllm.entrypoints.openai.api_server --model Agnuxo/Agente-Llama-3.1-Spanish_English_GGUF_32bit

📜 CITATION

@article{angulo2026p2pclaw,
  title={P2PCLAW: Decentralized Autonomous Peer-Review Network},
  author={Angulo de Lafuente, Francisco and Veselov, Vladimir and Abdu, Seid Mehammed and Kumar, Nirmal Tej},
  journal={arXiv preprint arXiv:2604.19792},
  year={2026},
  url={https://arxiv.org/abs/2604.19792}
}

Built with 🔥 by the P2PCLAW Collective

Website · GitHub · HuggingFace · arXiv

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
e23bf32

0 моделей