/ 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
8 авг 2026

Ссылки

Hugging Face

capsd-opc-dedup-marin-8b-base-code_ppl_b20000_s0

AmberYifan
Генерация текстаТекст → текст4 профессии

Дообученная 7,5-миллиардная Llama-модель для генерации и продолжения текста, обученная на базе Marin 8B Base.

18скачиваний за 30 дней0лайковвеса обновлены8 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-opc-dedup-marin-8b-base-code_ppl_b20000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. Она предназначена для генерации и продолжения текста; название набора данных для дообучения указывает на смесь данных, связанную с кодом и оценкой perplexity, но README не описывает её конкретные возможности или результаты. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов.

Модель загружается через Transformers; веса доступны в формате safetensors. Базовая Marin 8B Base описана как англоязычная, поэтому английский является основным языком. Лицензия указана как other, без дополнительных условий в предоставленных данных. README не содержит подробностей об обучении, оценивании или известных ограничениях.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков на английском языке
  • эксперименты с генерацией кода
  • оценка качества текстовой генерации в исследовательских сценариях

Ограничения

README не приводит результатов оценки и не уточняет фактические возможности модели на кодовых задачах. Условия лицензии с пометкой other в предоставленных данных не раскрыты.

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 015моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_code_ppl_b20000_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_b20000_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
b728545

0 моделей

    Создать бенчмарк