/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
32,3 млрд
Размер весов
130 ГБ
Архитектура
llama · dense
Опубликована
25 мая 2023

Ссылки

Hugging Face

30B-Lazarus

CalderaAI
Генерация текстаТекст → текст5 профессий

Экспериментальная 32,3-миллиардная составная модель LLaMA для генерации текста по инструкциям, диалогов и повествования.

103скачиваний за 30 дней119лайковвеса обновлены6 июн 2025

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

CalderaAI/30B-Lazarus — экспериментальная составная языковая модель на архитектуре LLaMA, собранная CalderaAI с помощью слияния моделей и последовательного применения LoRA. В композицию вошли варианты Manticore, Vicuna и GPT4-Alpaca, а также SuperCOT и Storytelling LoRA; автор отмечает, что некоторые адаптеры применялись к моделям, отличным от исходных базовых моделей, для которых они создавались. Модель содержит 32,3 млрд параметров и рассчитана на контекст до 2048 токенов.

Модель предназначена для генерации текста по инструкциям, диалогов и художественного повествования. В README рекомендован формат инструкций Alpaca; также может работать формат Vicuna. Упомянутые режимы рассуждений и повествования — экспериментальные, а результаты сильно зависят от промпта и настроек генерации.

Автор характеризует результаты как многообещающие, но отмечает необходимость дальнейших объективных испытаний и возможную конкуренцию между наложенными LoRA. Модель опубликована в форматах PyTorch и Safetensors. Лицензия в доступных данных не указана.

Сценарии применения

  • генерация ответов на инструкции в формате Alpaca
  • ведение диалога в формате Vicuna
  • создание художественных историй
  • генерация текста с цепочками рассуждений

Ограничения

Автор указывает, что наложенные друг на друга LoRA могут конкурировать, а заявленные результаты требуют дальнейших объективных испытаний. Результаты заметно зависят от формата промпта и настроек генерации.

Для каких профессий подходит5

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 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

30B-Lazarus

Composition:

[] = applied as LoRA to a composite model | () = combined as composite models

[SuperCOT([gtp4xalpaca(manticorechatpygalpha+vicunaunlocked)]+[StoryV2(kaiokendev-SuperHOT-LoRA-prototype30b-8192)])]

This model is the result of an experimental use of LoRAs on language models and model merges that are not the base HuggingFace-format LLaMA model they were intended for. The desired outcome is to additively apply desired features without paradoxically watering down a model's effective behavior.

Potential limitations - LoRAs applied on top of each other may intercompete.

Subjective results - very promising. Further experimental tests and objective tests are required.

Instruct and Setup Suggestions:

Alpaca instruct is primary, Vicuna instruct format may work. If using KoboldAI or Text-Generation-WebUI, recommend switching between Godlike and Storywriter presets and adjusting output length + instructions in memory. Other presets as well as custom settings can yield highly different results, especially Temperature. If poking it with a stick doesn't work try poking harder.

Language Models and LoRAs Used Credits:

manticore-30b-chat-pyg-alpha [Epoch0.4] by openaccess-ai-collective

https://huggingface.co/openaccess-ai-collective/manticore-30b-chat-pyg-alpha

SuperCOT-LoRA [30B] by kaiokendev

https://huggingface.co/kaiokendev/SuperCOT-LoRA

Storytelling-LLaMa-LoRA [30B, Version 2] by GamerUnTouch

https://huggingface.co/GamerUntouch/Storytelling-LLaMa-LoRAs

SuperHOT Prototype [30b 8k ctx] by kaiokendev

https://huggingface.co/kaiokendev/SuperHOT-LoRA-prototype

ChanSung's GPT4-Alpaca-LoRA https://huggingface.co/chansung/gpt4-alpaca-lora-30b

Neko-Institute-of-Science's Vicuna Unlocked LoRA (Checkpoint 46080) https://huggingface.co/Neko-Institute-of-Science/VicUnLocked-30b-LoRA

Also thanks to Meta for LLaMA.

Each model and LoRA was hand picked and considered for what it could contribute to this ensemble. Thanks to each and every one of you for your incredible work developing some of the best things to come out of this community.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
02584a8

0 моделей

    Создать бенчмарк