/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
mistral-7b-instruct-v0.3-bnb-4bit
Опубликована
6 июл 2026

mistral-code-architect-7b

Генерация текстаТекст → текст7 профессий

Дообученная модель Mistral 7B в формате GGUF для генерации и отладки кода, веб-разработки и анализа кибербезопасности.

37скачиваний за 30 дней3лайкавеса обновлены7 июл 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

Mistral Code Architect 7B — локально запускаемая модель для программирования и анализа кибербезопасности, созданная Lautloserspieler на базе Mistral 7B Instruct v0.3. Модель дообучена методом QLoRA на смеси примерно из 25 тысяч примеров по генерации кода, веб-разработке, поиску уязвимостей, безопасным исправлениям и следованию инструкциям; в репозитории веса представлены в формате GGUF с квантизацией Q4_K_M.

Модель предназначена для генерации и отладки кода, помощи в разработке приложений на React и Next.js, анализа уязвимостей и подготовки безопасных исправлений. Она поддерживает диалог и рассчитана прежде всего на английский и немецкий языки. Указанный в карточке контекст составляет 4096 токенов. Для локального запуска рекомендован Ollama. Модель распространяется по лицензии Apache 2.0.

Заявления карточки о готовом к производству коде и цепочках рассуждений не подкреплены приведёнными результатами оценки; качество и безопасность сгенерированного кода требуют проверки.

Сценарии применения

  • генерация и доработка программного кода
  • поиск ошибок и помощь в отладке
  • разработка приложений на React и Next.js
  • поиск уязвимостей в коде
  • подготовка безопасных исправлений кода

Ограничения

Контекст ограничен 4096 токенами; заявленная специализация не заменяет проверку кода, исправлений и выводов по безопасности. В карточке не приведены результаты сравнительных оценок модели.

Для каких профессий подходит7

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

Mistral Code Architect 7B (GGUF)

Mistral Code Architect 7B is a highly specialized, locally fine-tuned large language model designed for advanced software development, deep debugging, and cybersecurity analysis. It has been trained to act as an autonomous coding assistant that provides robust, production-ready code and reasoning traces.

🚀 Model Details

  • Architecture: Mistral 7B (Quantized to GGUF q4_k_m)
  • Base Model: unsloth/mistral-7b-instruct-v0.3-bnb-4bit
  • Context Length: 4096 tokens
  • Training Framework: Unsloth (QLoRA)
  • Training Hardware: NVIDIA RTX 5070 (12 GB VRAM)
  • Language Support: Dynamic (Optimized for English and German)

📊 Training Data & Methodology

The model was fine-tuned using a curated mix of approximately 25,000 high-quality coding and security samples. The training pipeline heavily utilized packing (packing=True) to maximize context efficiency during the QLoRA fine-tuning process.

The dataset mixture includes:

  • CodeFeedback: Filtered instruction-following for robust code generation.
  • WebDev-Arena: Preference-based web development queries (React, Next.js, Backend).
  • CyberGym & Security-Code: Specialized datasets focusing on vulnerability detection, memory safety, and secure patching strategies.
  • IFEval: To strictly adhere to system constraints and formatting instructions.
  • OpenCodeInterpreter: For advanced reasoning and step-by-step logic.

💻 Usage with Ollama (Recommended)

Since this model is provided in the highly efficient .gguf format, you can easily run it locally using Ollama. The model is trained to dynamically adapt to the user's language.

1. Download the Model: Download the Mistral-Code-Architect-7b.gguf file from the Files and versions tab.

2. Create a Modelfile: In the same directory as your downloaded .gguf file, create a file named Modelfile and paste the following configuration. This includes a dynamic system prompt to ensure the model mirrors your language:

FROM ./Mistral-Code-Architect-7b.gguf

SYSTEM "You are an expert software developer and architect. Always respond in the exact language the user is speaking. If the user writes in English, reply in English. If the user writes in German, reply in German. Provide precise, secure, and highly technical answers."

TEMPLATE "{{ if .System }}<|im_start|>system\n{{ .System }}<|im_end|>\n{{ end }}{{ if .Prompt }}<|im_start|>user\n{{ .Prompt }}<|im_end|>\n{{ end }}<|im_start|>assistant\n{{ .Response }}<|im_end|>"

PARAMETER stop "<|im_start|>"
PARAMETER stop "<|im_end|>"

3. Build and Run: Open your terminal in that directory and run:

ollama create code-architect -f Modelfile
ollama run code-architect

⚠️ Limitations: While highly capable in generating code and identifying vulnerabilities, this model can still hallucinate complex APIs or suggest outdated libraries. Always review and test the generated code before deploying it to a production environment. The model is specifically fine-tuned for software engineering tasks and might underperform on general creative writing tasks.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
42692e6

0 моделей