/ 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
7 авг 2026

Ссылки

Hugging Face

capsd-opc-dedup-marin-8b-base-code_ppl_b12000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная Llama-модель на базе Marin 8B Base для генерации и продолжения текста.

20скачиваний за 30 дней0лайковвеса обновлены7 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

Это дообученная модель генерации текста на базе marin-community/marin-8b-base, подготовленная AmberYifan на наборе capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_ppl_b12000_s0. Архитектура — плотная LlamaForCausalLM с 7,5 млрд параметров; модель загружается через Transformers из файлов safetensors и имеет контекст до 4096 токенов.

Модель предназначена для генерации и продолжения текста. Название обучающего набора указывает на смесь данных с кодом, однако README не описывает конкретные задачи, языки программирования или результаты оценки, поэтому специализацию на программировании подтвердить нельзя. В метаданных отмечена возможность чата; исходная Marin 8B Base рассчитана на английский язык.

Лицензия указана как other, без уточнения условий использования. README не приводит дополнительных сведений о качестве или ограничениях модели.

Сценарии применения

  • генерация продолжения по текстовому запросу
  • создание черновиков текста в формате чата
  • эксперименты с дообученной моделью Marin 8B Base

Ограничения

README не содержит результатов оценки или подробностей ограничений. Условия лицензии обозначены только как other, поэтому их следует уточнить перед использованием.

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_ppl_b12000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_ppl_b12000_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
a05050f

0 моделей

    Создать бенчмарк