/ Модель
Каталог

Характеристики

Контекст
65 536 токенов
Параметры
6,9 млрд
Размер весов
14,6 ГБ
Архитектура
olmo3 · dense
Базовая модель
Olmo-3-1025-7B
Библиотека
transformers
Опубликована
30 сен 2026

Ссылки

Hugging Face

Olmo7b-urban-olmo-test3-seed1-20260929-CPT-final-step-5

BrandonHowe
Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Olmo 3 с 6,9 млрд параметров, продолженно предобученный на корпусе городской тематики для генерации текста.

203скачиваний за 30 дней0лайковвеса обновлены30 сен 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

Olmo7b-urban-olmo-test3-seed1-20260929-CPT-final-step-5 — плотная авторегрессионная языковая модель семейства Olmo 3 с 6,9 млрд параметров, созданная продолжением предобучения allenai/Olmo-3-1025-7B. Она предназначена для генерации текста и дальнейшей адаптации на корпусе, связанном с городской тематикой; обучающий набор — CompassioninMachineLearning/urban_12738_cleaned. Модель принимает текст и выдаёт текст, а заявленный контекст составляет 65 536 токенов.

Это отдельная BF16-модель в формате safetensors, сохранённая без необходимости загружать адаптер. В обучении использовались 10 072 уникальных документа и 200 документов для валидации; README указывает очень ранний этап обучения — шаг 5. Сам факт обучения на таком корпусе не подтверждает улучшения в эмпатии или качестве ответов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация текста на городскую тематику
  • адаптация языковой модели на корпусе городских документов
  • экспериментальная оценка влияния городского корпуса на продолженное предобучение

Ограничения

Чекпойнт сохранён после шага 5, поэтому его качество и практическая пригодность требуют отдельной оценки. Обучение на корпусе не доказывает улучшения эмпатии.

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 385моделейIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.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

Olmo7b-urban-olmo-test3-seed1-20260929-CPT-final-step-5

Standalone merged BF16 model from epoch 0.013253810470510271, step 5.

Dataset: CompassioninMachineLearning/urban_12738_cleaned at ef7c0e742df63ea319e35d02d9f6ba63d6e7c68d.

Training: 10,072 distinct documents plus 2,000 repeat exposures per epoch; 200 disjoint validation documents.

Merged with Unsloth's native save_pretrained_merged(save_method="merged_16bit"). Weights are validated BF16 and packaged losslessly into eight safetensors shards. No adapter is required to load this model.

See run_manifest.json for base revision, document selection hashes, training parameters and export validation. Training does not establish an improvement in compassion; evaluate that separately.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo3ForCausalLM
Ревизия весов
be8dbb9

0 моделей

    Создать бенчмарк