Характеристики

Контекст: 40 960 токенов
Параметры: 1,7 млрд
Размер весов: 8,9 ГБ
Лицензия: Apache 2.0
Архитектура: nm_mask_moe_llava_qwen3 · dense
Базовая модель: llavaqwen3-1.7b-finetune
Библиотека: transformers
Опубликована: 11 авг 2026

Ссылки

Hugging Face

llavaqwen3-1.7b-finetune-nm-mask-moe-sparse-4e-2k-2of4-imp-randrouter-sd3_20260811_213712

KKHYA

Генерация текстаТекст → текст7 профессий

Дообученная модель на базе Qwen3 для генерации текста и диалогов с контекстом до 40 960 токенов.

16скачиваний за 30 дней0лайковвеса обновлены12 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 дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Модель использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и рассчитана на контекст до 40 960 токенов.

Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Датасет дообучения и результаты оценки в карточке не описаны; пригодность для конкретных сценариев требует самостоятельной проверки.

Сценарии применения

генерация ответов в диалоговом интерфейсе
ведение текстовых бесед
создание связного текста по запросу
передача запросов инструментам через интерфейс вызова инструментов

Ограничения

Датасет дообучения и результаты оценки не описаны, поэтому качество и специализацию модели подтвердить нельзя. Поддерживаемые естественные языки не указаны в доступных данных.

Для каких профессий подходит7

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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

llavaqwen3-1.7b-finetune-nm-mask-moe-sparse-4e-2k-2of4-imp-randrouter-sd3_20260811_213712

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: 8
eval_batch_size: 4
seed: 3
distributed_type: multi-GPU
num_devices: 8
gradient_accumulation_steps: 2
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 nm_mask_moe_llava_qwen3 неизвестна transformers в образе рантайма.

Класс архитектуры: NMMaskMoELLaVAQwen3ForCausalLM
Ревизия весов: 987d9ef