/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
6 апр 2024

NeuralSynthesis-7B-v0.1

Генерация текстаТекст → текст6 профессий

Слитая 7,1-миллиардная модель Mistral для генерации текста и диалогов на английском и испанском языках.

8 601скачиваний за 30 дней3лайкавеса обновлены29 мая 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 оценки6

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

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4333

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5145

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,4185

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,281

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0634

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3049

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

NeuralSynthesis-7B-v0.1 — слитая модель для генерации текста, опубликованная пользователем Kukedlc. Она объединяет четыре модели на базе Mistral с помощью LazyMergekit и метода model_stock; в конфигурации указана точность bfloat16. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов.

Модель предназначена для генерации текста и диалогов на английском и испанском языках. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая средний балл 76,80, однако конкретные сценарии и качество на отдельных прикладных задачах README не описывает. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • генерация текста на английском языке
  • генерация текста на испанском языке
  • ведение диалога на английском языке
  • ведение диалога на испанском языке

Ограничения

README не уточняет прикладные ограничения и сценарии, на которых модель проверялась; приведены лишь отдельные результаты бенчмарков. Языки карточки — английский и испанский, поэтому качество на других языках не подтверждено.

Для каких профессий подходит6

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

NeuralSynthesis-7B-v0.1

image/png

NeuralSynthesis-7B-v0.1 is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: MiniMoog/Mergerix-7b-v0.3
  - model: automerger/Ognoexperiment27Multi_verse_model-7B
  - model: AurelPx/Percival_01-7b-slerp
  - model: automerger/YamshadowExperiment28-7B
merge_method: model_stock
base_model: automerger/YamshadowExperiment28-7B
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Kukedlc/NeuralSynthesis-7B-v0.1"
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.76.80
AI2 Reasoning Challenge (25-Shot)73.04
HellaSwag (10-Shot)89.18
MMLU (5-Shot)64.37
TruthfulQA (0-shot)78.15
Winogrande (5-shot)85.24
GSM8k (5-shot)70.81

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
fbd71c2

0 моделей