/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
ThaiLLM-8B
Опубликована
17 дек 2025

ThaiLLM-8B-Instruct

Генерация текстаТекст → текст12 профессий

Диалоговая модель KBTG-Labs на базе объединения ThaiLLM-8B и Qwen3-8B для следования инструкциям и генерации текста с улучшенной поддержкой тайского языка.

134скачиваний за 30 дней0лайковвеса обновлены9 янв 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.

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

ThaiLLM-8B-Instruct — диалоговая языковая модель KBTG-Labs, созданная с помощью mergekit на основе ThaiLLM-8B и Qwen3-8B. Она предназначена для генерации текста и следования инструкциям, с улучшенным пониманием тайского языка по сравнению с Qwen3-8B.

Модель поддерживает режимы с рассуждением и без него, а также интерфейс вызова инструментов. Архитектура — плотная Qwen3ForCausalLM с 7,6 млрд параметров; максимальный контекст — 40 960 токенов. README описывает сравнение результатов экзаменационных и финансовых тестов с Qwen3-8B, но отмечает, что результаты могут различаться в зависимости от среды оценки.

Модель работает с текстом и рассчитана на тайский и английский языки. Для запуска через Transformers требуется версия 4.51.0 или новее. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на инструкции и вопросы на тайском языке
  • диалоговый ассистент на тайском и английском
  • генерация текста с режимом рассуждения или без него
  • вызов инструментов в диалоговых приложениях

Ограничения

Модель имеет контекстное окно до 40 960 токенов; качество на конкретных задачах может отличаться от приведённых в README результатов оценки.

Для каких профессий подходит12

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

ThaiLLM-8B-Instruct

Model Overview

This 8B language model is developed as an extension of ThaiLLM-8B, with a focus on enhancing instruction-following capabilities. The model is constructed using mergekit that integrates ThaiLLM-8B with Qwen3-8B.

ThaiLLM-8B-Instruct has the following features:

  • Supports switching between thinking and non-thinking modes, similar to Qwen3-8B.
  • Offers enhanced Thai language understanding from ThaiLLM-8B.

Usage

Requirements

Since KBTG-Labs/ThaiLLM-8B-Instruct is a fine-tuned of Qwen3-8B you will need to install transformers>=4.51.0.

Running using Transformers

Running the script below generates output based on the given input messages.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

MODEL_ID: str = "KBTG-Labs/ThaiLLM-8B-Instruct"

def inference(messages: list[dict[str, str]], model, tokenizer) -> str:
    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True,
        enable_thinking=False, # Switches thinking modes.
    )
    model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

    generated_ids = model.generate(
        model_inputs.input_ids,
        max_new_tokens=768,
        do_sample=False,
        temperature=None,
        top_p=None,
        top_k=None,
        pad_token_id=tokenizer.eos_token_id,
    )
    generated_ids = [
        output_ids[len(input_ids) :]
        for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
    ]

    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
    return response

if __name__ == "__main__":
    tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
    model = AutoModelForCausalLM.from_pretrained(
        MODEL_ID,
        torch_dtype=torch.bfloat16,
        device_map="auto",
    )

    messages = [{"role": "user", "content": "สวัสดี!"}]
    inference(messages, model, tokenizer)

Results

For more details, see our Technical Report.

ModelM3 ExamM6 ExamFlare CFA*IC
Non-Thinking
Qwen3-8B0.6600.5450.7530.640
ThaiLLM-8B-Instruct0.7070.6230.7620.720
THaLLE-0.2-ThaiLLM-8B-fa**0.7250.5720.7710.720
Thinking
Qwen3-8B0.7060.5900.8060.600
ThaiLLM-8B-Instruct0.7200.6610.8200.720
THaLLE-0.2-ThaiLLM-8B-fa**0.7790.6780.8520.840

[*] Flare CFA is "TheFinAI/flare-cfa"

[**] "THaLLE-0.2-ThaiLLM-8B-fa" is KBTG-Labs/THaLLE-0.2-ThaiLLM-8B-fa

vLLM was used for evaluations, results might vary.

Citation

If you find our work useful, please cite:

@misc{labs2026thallethaillmdomainspecializedsmallllms,
      title={THaLLE-ThaiLLM: Domain-Specialized Small LLMs for Finance and Thai -- Technical Report}, 
      author={KBTG Labs and : and Anuruth Lertpiya and Danupat Khamnuansin and Kantapong Sucharitpongpan and Pornchanan Balee and Tawunrat Chalothorn and Thadpong Pongthawornkamol and Monchai Lertsutthiwong},
      year={2026},
      eprint={2601.04597},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2601.04597}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
1eda33c

0 моделей