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: 21 сен 2026

Ссылки

Olmo-3-7b-final-CPT-10k-urban-density-dataset

Генерация текстаТекст → текст3 профессии

Производная модели BrandonHowe/Olmo7b-urban-olmo-20260920-full-CPT-final-step-1500. Дообученная на корпусе городской тематики языковая модель OLMo 3 для генерации и продолжения текста.

157скачиваний за 30 дней0лайковвеса обновлены21 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Карточка модели CompassioninMachineLearning/Olmo-3-7b-final-CPT-10k-urban-density-dataset на Hugging Face совпадает с карточкой BrandonHowe/Olmo7b-urban-olmo-20260920-full-CPT-final-step-1500, поэтому описание составлено по ней.

BrandonHowe разработал Olmo7b-urban-olmo-20260920-full-CPT-final-step-1500 как дообученную модель генерации текста на базе allenai/Olmo-3-1025-7B. Это плотная языковая модель архитектуры OLMo 3 примерно с 6,9 млрд параметров, рассчитанная на контекст до 65 536 токенов. Модель обучали продолжать предобучение на наборе CompassioninMachineLearning/urban_12738_cleaned; карточка указывает 10 072 уникальных документа и повторные предъявления части данных.

Модель принимает текст и генерирует текст. Её можно применять для генерации и продолжения текстов по городской тематике, однако обучение само по себе не подтверждает улучшения в сочувствии или иных качествах: такие свойства следует оценивать отдельно. Веса сохранены в BF16 в формате safetensors; адаптер для загрузки не требуется. В карточке не указана лицензия.

Сценарии применения

генерация текста на городские темы
продолжение городских описаний и обсуждений
подготовка черновиков текстов по примерам корпуса

Ограничения

Обучение на указанном наборе данных не подтверждает улучшений в сочувствии; соответствующие качества требуют отдельной оценки. Лицензия в предоставленных данных не указана.

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 385моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.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-20260920-full-CPT-final-step-1500

Standalone merged BF16 model from epoch 3.970178926441352, step 1500.

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: c09de9d