/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Библиотека
transformers
Опубликована
13 авг 2026

Clary-0.6-0.6B

Генерация текстаТекст → текст4 профессии

Компактная мультимодальная модель на базе Qwen3-0.6B для диалогов, генерации кода и ответов по изображениям на русском и английском языках.

34скачиваний за 30 дней1лайквеса обновлены14 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.

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

AuroraSystem/Clary-0.6-0.6B — компактная мультимодальная модель AuroraSystem на базе Qwen3-0.6B, дообученная с помощью LoRA и объединёнными весами. Она принимает текст и изображения: для обработки изображений используется CLIP ViT-B/32 с проектором, после чего Qwen3 формирует текстовый ответ. Размер модели — 507,9 млн параметров, контекст — до 40 960 токенов.

Модель предназначена для выполнения инструкций, диалогов, генерации кода на Python, математических ответов и суммаризации на русском и английском языках. Для изображений она умеет создавать описания и отвечать о цветах; также доступен режим рассуждений `/think`. Лицензия — Apache-2.0.

Качество распознавания текста на изображениях низкое, особенно для мелкого шрифта. Системные промпты не входили в обучение, а возможности рассуждений и генерации ограничены компактным размером базовой модели.

Сценарии применения

  • ответы на вопросы по содержимому изображения
  • создание кратких описаний изображений и их цветов
  • генерация небольших фрагментов кода на Python
  • суммаризация русских и английских текстов
  • выполнение текстовых инструкций и математических задач

Ограничения

Слабо распознаёт мелкий текст на изображениях. Системные промпты не обучались; возможности рассуждений и генерации ограничены размером базовой модели 0.6B.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Aurora Clary 0.6 Safetensors

Файлы

ФайлОписание
config.jsonконфиг LLM
model.safetensorsQwen3-0.6B + LoRA (merged)
tokenizer.json / tokenizer_config.jsonтокенизатор
projector.safetensorsvision-проектор (768→2048→2048→1024)
clip_vision/CLIP ViT-B/32 vision encoder

benchmark_gsm8k_boolq

Быстрый старт (text only)

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "AuroraSystem/Aurora-Clary-0.6",
    subfolder="merged", torch_dtype="auto", device_map="auto"
)
tok = AutoTokenizer.from_pretrained("AuroraSystem/Aurora-Clary-0.6", subfolder="merged")

prompt = tok.apply_chat_template(
    [{"role": "user", "content": "Напиши факториал на Python"}],
    tokenize=False, add_generation_prompt=True
)
out = model.generate(tok(prompt, return_tensors="pt").to(model.device), max_new_tokens=200)
print(tok.decode(out[0], skip_special_tokens=True))

Быстрый старт (Vision)

Для картинок нужен CLIP + проектор. Архитектура:

Image -> CLIP ViT-B/32 (frozen) -> Projector (768→2048→2048→1024) -> [49 tokens]
Text  -> Qwen3 embeddings                                        -> [tokens]
       [vision_tokens + text_tokens] -> Qwen3-0.6B -> ответ

Возможности

  • Текст: инструкции, знания, русский + английский
  • Код: генерация Python
  • Математика
  • Суммаризация (EN + RU)
  • Vision: описание изображений, цвета
  • Режим /think (Qwen3 thinking)

Ограничения

  • Вижн OCR слабый (мелкий текст не читает)
  • Системные промпты не обучались
  • База — Qwen3-0.6B, потолок соответствует 0.6B-классу

Альтернативные форматы

  • GGUF (для llama.cpp / LM Studio / Ollama): AuroraSystem/Clary-0.6-0.6B-GGUF

Лицензия

Apache-2.0. Base — Qwen3-0.6B (Apache-2.0).


English

Files

FileDescription
config.jsonLLM config
model.safetensorsQwen3-0.6B + LoRA (merged)
tokenizer.json / tokenizer_config.jsontokenizer
projector.safetensorsvision projector (768→2048→2048→1024)
clip_vision/CLIP ViT-B/32 vision encoder

benchmark_gsm8k_boolq

Quick start (text only)

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "AuroraSystem/Aurora-Clary-0.6",
    subfolder="merged", torch_dtype="auto", device_map="auto"
)
tok = AutoTokenizer.from_pretrained("AuroraSystem/Aurora-Clary-0.6", subfolder="merged")

prompt = tok.apply_chat_template(
    [{"role": "user", "content": "Write a Python factorial function"}],
    tokenize=False, add_generation_prompt=True
)
out = model.generate(tok(prompt, return_tensors="pt").to(model.device), max_new_tokens=200)
print(tok.decode(out[0], skip_special_tokens=True))

Quick start (Vision)

For images you need CLIP + projector. Architecture:

Image -> CLIP ViT-B/32 (frozen) -> Projector (768→2048→2048→1024) -> [49 tokens]
Text  -> Qwen3 embeddings                                       -> [tokens]
       [vision_tokens + text_tokens] -> Qwen3-0.6B -> answer

Capabilities

  • Text: instructions, knowledge, Russian + English
  • Code: Python generation
  • Math
  • Summarization (EN + RU)
  • Vision: image description, colors
  • /think mode (Qwen3 thinking)

Limitations

  • OCR is weak (small text not recognized)
  • System prompts were not trained
  • Base is Qwen3-0.6B, ceiling matches 0.6B class

Alternative formats

  • GGUF (for llama.cpp / LM Studio / Ollama): AuroraSystem/Clary-0.6-0.6B-GGUF

License

Apache-2.0. Base — Qwen3-0.6B (Apache-2.0).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
d344a03

0 моделей