/ Модель
Каталог

Характеристики

Контекст
262 144 токена
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-2B
Опубликована
11 июн 2026

Ссылки

Hugging Face

AVA-v2-merged

NAME0x0
Генерация текстаТекст → текст

AVA v2 — дообученная разговорная модель на базе Qwen3.5-2B для генерации текста и рассуждений.

20скачиваний за 30 дней1лайквеса обновлены11 июн 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.

Открыть конструктор бенчмарка

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

AVA v2 — разговорная модель с архитектурой Qwen3.5, разработанная NAME0x0 и представленная в виде объединённых весов bf16. Она основана на Qwen/Qwen3.5-2B: QLoRA-адаптер предварительно слит с базовой моделью, поэтому веса можно загружать напрямую через Transformers без PEFT. Модель содержит 1,7 млрд параметров, поддерживает контекст до 262 144 токенов и предназначена для генерации текста в диалогах и задач рассуждения.

В карточке приведены результаты ARC-Challenge 82,0%, ARC-Easy 92,0% и MMLU 59,2%; обучение выполнялось на ноутбучном GPU с 4 ГБ памяти. Метаданные указывают английский язык. Лицензия — Apache-2.0. Для запуска без Python и только на CPU автор предлагает отдельные сборки GGUF.

Сценарии применения

  • ответы на вопросы в диалоге на английском языке
  • решение задач на рассуждение
  • ответы на вопросы по школьным предметам и научным знаниям
  • оценка модели на тестах ARC и MMLU

Ограничения

Оценки в README приведены без описания методики и не гарантируют аналогичное качество в прикладных сценариях. Для запуска в режиме CPU-only автор указывает на отдельные сборки GGUF.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AVA v2 (merged weights)

Standalone bf16 weights of AVA v2 — the QLoRA adapter pre-merged into Qwen/Qwen3.5-2B. Load directly with transformers, no PEFT required:

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "NAME0x0/AVA-v2-merged", device_map="auto", dtype="bfloat16"
)
tokenizer = AutoTokenizer.from_pretrained("NAME0x0/AVA-v2-merged")
  • Benchmarks, training details, limitations: see the adapter card — 82.0% ARC-Challenge, 92.0% ARC-Easy, 59.2% MMLU at 2B params, trained on a single 4 GB laptop GPU.
  • No Python / CPU-only: use the GGUF builds (Ollama, llama.cpp, LM Studio).
  • Reproduce everything: github.com/NAME0x0/AVA.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
1b5b10d

0 моделей

    Создать бенчмарк