/ Модель

Характеристики

Контекст
16 384 токена
Параметры
1,3 млрд
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
4 июл 2026

outputs

Генерация текстаТекст → текст4 профессии

Дообученная модель Qwen3 на 1,3 млрд параметров для генерации текста и ответов на запросы.

80скачиваний за 30 дней2лайкавеса обновлены12 июл 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

Ba2han/outputs — текстовая генеративная модель на архитектуре Qwen3 с 1,3 млрд параметров и контекстом до 16 384 токенов. Модель дообучена с помощью TRL и предназначена для генерации ответов на текстовые запросы; карточка показывает пример диалогового обращения через Transformers.

Модель распространяется в формате safetensors. Базовая модель в карточке обозначена как None, поэтому определить её идентификатор нельзя. Сведения о лицензии и специальных ограничениях применения в доступных данных отсутствуют.

Сценарии применения

  • генерация ответов на текстовые вопросы
  • ведение простого диалога с пользователем
  • продолжение текста по запросу

Ограничения

Базовая модель и лицензия не определены в доступных данных. Качество и языковой охват не описаны.

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

Model Card for outputs

This model is a fine-tuned version of None. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="Ba2han/outputs", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 0.24.0
  • Transformers: 5.5.0
  • Pytorch: 2.10.0
  • Datasets: 4.7.0
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
2931ada

0 моделей