/ Модель

Характеристики

Контекст
1 024 000 токенов
Параметры
12,1 млрд
Размер весов
24,5 ГБ
Архитектура
mistral · dense
Базовая модель
MN-12B-Starcannon-v3
Опубликована
9 авг 2024

MN-LooseCannon-12B-v1

Генерация текстаТекст → текст8 профессий

Слитая 12,1-миллиардная модель на архитектуре Mistral для генерации текста и диалогов.

51скачиваний за 30 дней8лайковвеса обновлены6 сен 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.

Публичные оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3196

    Open LLM v2 · архив

    Публичная таблицаревизия не подтверждена

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0853

    Open LLM v2 · архив

    Публичная таблицаревизия не подтверждена

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5418

    Open LLM v2 · архив

    Публичная таблицаревизия не подтверждена

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2852

    Open LLM v2 · архив

    Публичная таблицаревизия не подтверждена

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4138

    Open LLM v2 · архив

    Публичная таблицаревизия не подтверждена

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5128

    Open LLM v2 · архив

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MN-LooseCannon-12B-v1 — языковая модель для генерации текста и диалогов, созданная GalrionSoftworks с помощью LazyMergekit. Это слияние моделей aetherwiing/MN-12B-Starcannon-v3 и Sao10K/MN-12B-Lyra-v1 методом TIES с нормализацией весов. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров; веса опубликованы в формате safetensors. В метаданных заявлена длина контекста 1 024 000 токенов.

Модель предназначена для генерации ответов в чатах и других текстовых сценариях. В карточке приведены результаты Open LLM Leaderboard, включая IFEval и BBH. Сведений о специализации по языкам и условиях лицензии в предоставленных данных нет.

Сценарии применения

  • генерация ответов в диалоговом чате
  • создание связного текста по запросу
  • следование текстовым инструкциям
  • решение задач на рассуждение в формате вопроса и ответа

Ограничения

Языки обучения и применения, а также лицензия не установлены по предоставленным данным. Приведённые оценки ограничены отдельными тестами Open LLM Leaderboard и не характеризуют все сценарии использования.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MN-LooseCannon-12B-v1

MN-LooseCannon-12B-v1 is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: aetherwiing/MN-12B-Starcannon-v3
    parameters:
      density: 0.3
      weight: 0.75
  - model: Sao10K/MN-12B-Lyra-v1
    parameters:
      density: 0.7
      weight: 0.25

merge_method: ties
base_model: aetherwiing/MN-12B-Starcannon-v3
parameters:
  normalize: true
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "GalrionSoftworks/MN-LooseCannon-12B-v1"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.21.78
IFEval (0-Shot)54.18
BBH (3-Shot)29.98
MATH Lvl 5 (4-Shot)6.50
GPQA (0-shot)4.70
MuSR (0-shot)10.96
MMLU-PRO (5-shot)24.40

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
0ed1b0e

0 моделей