/ 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
5 авг 2026

Ссылки

Hugging Face

capsd-marin-8b-base-code_qurating_b14000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная англоязычная Llama-модель на 7,5 млрд параметров для генерации и продолжения текста.

16скачиваний за 30 дней0лайковвеса обновлены5 авг 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-marin-8b-base-code_qurating_b14000_s0 — дообученная модель на базе marin-community/marin-8b-base, созданная на датасете capsd_marin-8b-base-n80000-opc__mix_code_qurating_b14000_s0. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и доступная в формате safetensors через Transformers. Базовая Marin 8B ориентирована на английский язык; карточка этой версии не описывает дополнительные языки или специальные возможности обучения.

Модель можно применять для продолжения текста и диалоговой генерации; название обучающего набора указывает на код и кураторский отбор данных, но README не подтверждает конкретные навыки программирования или качество на задачах кодирования. Контекст составляет 4096 токенов. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория и лицензией базовой модели.

Сценарии применения

  • продолжение английского текста
  • генерация ответов в диалоге
  • создание черновиков текста
  • эксперименты с дообучением языковой модели

Ограничения

README не приводит оценки качества, подробностей обучения или подтверждённых возможностей для программирования. Лицензия обозначена как other, поэтому условия использования требуют проверки.

Для каких профессий подходит3

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 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_code_qurating_b14000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n80000-opc__mix_code_qurating_b14000_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: 1

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
9888a8d

0 моделей

    Создать бенчмарк