/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
7,5 млрд
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
marin-8b-base
Библиотека
transformers
Опубликована
1 сен 2026

Ссылки

Hugging Face

capsd-final-retrain-marin-8b-base-code_less_b8000_s0

AmberYifan
Генерация текстаТекст → текст4 профессии

Дообученная 7,5-миллиардная модель семейства Llama для генерации текста и диалогов.

62скачиваний за 30 дней0лайковвеса обновлены1 сен 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.

Открыть конструктор бенчмарка

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

AmberYifan/capsd-final-retrain-marin-8b-base-code_less_b8000_s0 — дообученная модель семейства Llama на базе marin-community/marin-8b-base. Она содержит около 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; указанная длина контекста — 4096 токенов. Для дообучения применён набор данных capsd_marin-8b-base-n80000-opc__mix_code_less_b8000_s0.

Модель предназначена для генерации текста и поддерживает диалоговый сценарий. Карточка не описывает целевые предметные области, языки, результаты оценки или особые ограничения, поэтому её качество для конкретных задач по доступным данным оценить нельзя. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

Сценарии применения

  • генерация текста по запросу
  • поддержание диалога с пользователем
  • создание черновиков и продолжение текста

Ограничения

Карточка не приводит оценок качества, поддерживаемых языков или подробных ограничений, поэтому пригодность для конкретных сценариев не подтверждена. Лицензия обозначена как other без описания условий.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_code_less_b8000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n80000-opc__mix_code_less_b8000_s0 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 0
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.03
  • num_epochs: 3

Training results

Framework versions

  • Transformers 5.7.0
  • Pytorch 2.13.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
fb5dd02

0 моделей

    Создать бенчмарк