/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
53,9 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
7 апр 2025

LLaMmlein_7B

Генерация текстаТекст → текст3 профессии

Немецкоязычная модель LLaMA на 6,6 млрд параметров для генерации текста, обученная с нуля на отфильтрованных данных RedPajama V2.

1 376скачиваний за 30 дней8лайковвеса обновлены20 окт 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 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

LLäMmlein 7B — немецкоязычная языковая модель семейства LLaMA, разработанная LSX-UniWue. Модель с плотной архитектурой LlamaForCausalLM содержит 6,6 млрд параметров и обучена с нуля на немецкой части RedPajama V2 с использованием адаптированной кодовой базы TinyLlama. Данные дедуплицировали на уровне абзацев и фильтровали по соотношению токенов к словам.

Модель предназначена для генерации текста на немецком языке и запускается через библиотеку Transformers. Контекст составляет 4096 токенов; опубликованы также промежуточные контрольные точки обучения. Доступны веса PyTorch в формате safetensors. Лицензия обозначена как other, поэтому перед применением следует проверить условия на странице модели.

Сценарии применения

  • генерация немецкоязычного текста
  • продолжение немецкого текста по началу
  • создание немецкоязычных черновиков и формулировок
  • эксперименты с генеративными языковыми моделями на немецком

Ограничения

Модель обучена на немецких данных и рассчитана прежде всего на немецкоязычные сценарии; качество для других языков не заявлено. Лицензия указана как other, поэтому условия использования нужно уточнить в карточке модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LLäMmlein 7B

LLäMmlein 7B is a German LLaMa model trained from scratch using our adapted Tinyllama codebase on the German portion of RedPajama V2. To enhance data quality, we additionally deduplicated the dataset on paragraph level and filtered it using a token-to-word ratio filter. The resulting dataset can be found here. We provide three model sizes:

Usage

You can use LLäMmlein with the transformers library. (Optional: install flash-attn to achieve highest efficiency.)

from transformers import AutoTokenizer, AutoModelForCausalLM
model_id = "LSX-UniWue/LLaMmlein_7B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Intermediate Checkpoints

In addition to the final model checkpoint, we publish intermediate checkpoints throughout the full training process as unique branches in this repository. A specific checkpoint can be loaded like this:

from transformers import AutoTokenizer, AutoModelForCausalLM
model_id = "LSX-UniWue/LLaMmlein_7B"
revision = "iter-00420000-ckpt"
tokenizer = AutoTokenizer.from_pretrained(model_id, revision=revision)
model = AutoModelForCausalLM.from_pretrained(model_id, revision=revision)

Next to the model itself each branch contains all datapoints that were used to train the model up to that point. In the correspinding folder, named after the checkpoint, you can find several .log files (depending on the number of GPUs) of the following format:

{"time": 1739809392.679516, 
  "iter_num": 0, 
  "data_id": ["sha1:EDQMBYDCYBLDAZH3MGYM276BM2DEHPPJ", "sha1:SAJCI75DRHZZFGQORV66NB5FVWUAVLFH", "sha1:7RBZV2MCEM4TUGBBWGTFQAKTWUOGETZU", "sha1:234M32IMLZF7455AKOFWDP6HT6YXAYB4", "sha1:2BIZ7LLSHRK5GUGPZM2GM55APTDKBUG2", "sha1:OF7OI77ZT7ROXGMB6LL4RSRANX7REAYK", "sha1:LGPUOCOV3MKETI5F3IHVGZPD4M26NNJL", "sha1:SHIHUW7FJTP5YHFFV2JZ2CAHUVMKK7XG"], 
  "file_id": [0, 0, 0, 0, 0, 0, 0, 0], 
  "process_rank": 0}

Note: Our earlier models from the paper, which do not include data logging, are available at:

License

We release the LLäMmlein models under a research-only RAIL-M license. See license.md for details. Data Take Down

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
1215ac8

0 моделей