Uploaded finetuned model
- Developed by: FatalHub
- License: apache-2.0
- Finetuned from model : unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit
This qwen2 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 3,1 млрд
- Размер весов
- 6,2 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen2 · dense
- Базовая модель
- qwen2.5-3b-instruct-unsloth-bnb-4bit
- Опубликована
- 30 сен 2026
Ссылки
qwen-function-calling-10k
Дообученная 3,1-миллиардная модель Qwen2 для диалоговой генерации текста и вызова инструментов.
204скачиваний 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.
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.
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
FatalHub/qwen-function-calling-10k — дообученная FatalHub модель для генерации текста и диалогов с интерфейсом вызова инструментов. В основе лежит unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit: плотная причинная языковая модель семейства Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face.
Модель предназначена для диалоговых сценариев, где требуется формировать текст и выдавать вызовы инструментов в поддерживаемом интерфейсе. В карточке указана лицензия Apache-2.0. Сведений о качестве на бенчмарках, тренировочных данных или дополнительных ограничениях применения нет.
Сценарии применения
- генерация ответов в диалоговом интерфейсе
- формирование вызовов инструментов из запроса пользователя
- создание текстовых ответов в приложении-ассистенте
Ограничения
В карточке нет результатов оценки качества или сведений о тренировочных данных. Поддерживаемый интерфейс вызова инструментов не гарантирует совместимость с конкретными форматами или фреймворками.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиI.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 015моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2ForCausalLM
- Ревизия весов
- 8be42c4