Характеристики

Контекст: 40 960 токенов
Параметры: 1,7 млрд
Лицензия: Apache 2.0
Архитектура: adapter_moe_llava_qwen3 · dense
Базовая модель: llavaqwen3-1.7b-finetune
Библиотека: transformers
Опубликована: 11 авг 2026

Ссылки

Hugging Face

llavaqwen3-1.7b-finetune-adapter-moe-sparse-4e-2k-B8a-lrmoe-sd3p_20260811_025053

KKHYA

Генерация текстаТекст → текст4 профессии

Дообученная 1,7-миллиардная модель MoE на базе LLaVA-Qwen3 для генерации текста и диалогов.

23скачиваний за 30 дней0лайковвеса обновлены11 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Это дообученный адаптер MoE на базе KKHYA/llavaqwen3-1.7b-finetune, разработанный KKHYA. Модель с архитектурой AdapterMoELLaVAQwen3ForCausalLM содержит 1,7 млрд параметров и предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Для работы используются Transformers и форматы PyTorch и Safetensors, заявлен контекст до 40 960 токенов.

Модель является производной от KKHYA/llavaqwen3-1.7b-finetune, обученной на неизвестном наборе данных. README не приводит результатов оценки или подробностей о предполагаемых сценариях применения. Лицензия — Apache-2.0.

Сценарии применения

ведение диалогов с пользователем
генерация текстовых ответов
использование интерфейса вызова инструментов

Ограничения

Обучающий датасет и результаты оценки не описаны, поэтому качество и специализированные области применения не подтверждены.

Для каких профессий подходит4

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели 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

llavaqwen3-1.7b-finetune-adapter-moe-sparse-4e-2k-B8a-lrmoe-sd3p_20260811_025053

This model is a fine-tuned version of KKHYA/llavaqwen3-1.7b-finetune on an unknown dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0005
train_batch_size: 4
eval_batch_size: 4
seed: 3
distributed_type: multi-GPU
num_devices: 8
gradient_accumulation_steps: 4
total_train_batch_size: 128
total_eval_batch_size: 32
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
lr_scheduler_warmup_ratio: 0.03
num_epochs: 1.0

Training results

Framework versions

Transformers 4.51.0
Pytorch 2.5.1+cu121
Tokenizers 0.21.4

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура adapter_moe_llava_qwen3 неизвестна transformers в образе рантайма.

Класс архитектуры: AdapterMoELLaVAQwen3ForCausalLM
Ревизия весов: a68be9f