/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-1.5B-Instruct
Библиотека
transformers
Опубликована
10 окт 2026

nock-coder-1.5b

Генерация текстаТекст → текст

Компактная дообученная модель NockAI для генерации коротких фрагментов кода с ответом, начинающимся с кода.

550скачиваний за 30 дней0лайковвеса обновлены10 окт 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

Nock Coder — компактная языковая модель для генерации кода от NockAI, созданная дообучением Qwen/Qwen2.5-Coder-1.5B-Instruct с помощью LoRA, затем объединённого с базовыми весами. Репозиторий содержит полные веса в формате safetensors; число параметров — около 1,5 млрд, контекст — до 32 768 токенов. Модель предназначена для диалогового использования и старается начинать ответ с кода, ограничивая пояснение одним коротким предложением.

Подходит для написания и исправления коротких фрагментов кода, в том числе на Python, JavaScript, TypeScript, SQL, Go, Rust, Java, C#, shell и Solidity. В описанной оценке модель чаще начинала с кода и давала более короткие ответы, чем базовая модель, однако проверка корректности и результатов компиляции не опубликована. Версия в этом репозитории не является 4-битной сборкой; для запуска такой сборки автор указывает отдельный репозиторий GGUF.

Модель распространяется по лицензии Apache 2.0. Она может выдавать ошибочный или небезопасный код, а короткий стиль делает её менее подходящей для подробных объяснений и обсуждения архитектуры. Код Solidity не проходил аудит; сгенерированный код следует проверять перед использованием.

Сценарии применения

  • написание коротких функций на Python
  • генерация примеров на JavaScript и TypeScript
  • создание SQL-запросов
  • написание и исправление кода на Go, Rust, Java и C#
  • генерация shell-команд и конфигураций Docker
  • подготовка примеров Solidity для последующей проверки

Ограничения

Модель может ошибаться и генерировать небезопасный код; корректность и компиляция результатов не подтверждены опубликованными тестами. Она настроена на короткие ответы и плохо подходит для подробных объяснений; Solidity-код не проходил аудит.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Nock Coder

nock-coder-1.5b

Nock Coder is an open coding model from NockAI. It is tuned to answer with the code first and keep any explanation to one short sentence. The 4 bit build is a 986 MB file that runs on an ordinary laptop with Ollama or llama.cpp, on Windows, macOS and Linux, with no GPU needed.

This repo holds the full model in safetensors. For the 1 GB file, see Nock-AI/nock-coder-1.5b-GGUF.

Base modelQwen/Qwen2.5-Coder-1.5B-Instruct (Apache 2.0)
Parameters1.54B
MethodLoRA fine tune, merged into the base weights
Context used in training1,024 tokens
LicenseApache 2.0

Run it

With Ollama (the 1 GB build):

ollama run hf.co/Nock-AI/nock-coder-1.5b-GGUF

With transformers:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Nock-AI/nock-coder-1.5b"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="auto", device_map="auto")

messages = [{"role": "user", "content": "Reverse a string in Python."}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
output = model.generate(**inputs, max_new_tokens=300, do_sample=False)
print(tokenizer.decode(output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))

The default system prompt in the chat template is already set to Nock Coder's. You don't need to pass one.

Results

50 short coding prompts across Python, JavaScript, TypeScript, SQL, Go, Rust, Java, C#, shell, Git, CSS and Docker. Greedy decoding, no system prompt passed.

Base modelNock Coder v1Nock Coder v2
Words per answer1844854
Words outside the code1331716
Answers that start with code1 of 5027 of 5050 of 50
Answers with no code at all0 of 5012 of 500 of 50

Base model and v1 were measured on the 4 bit GGUF with Ollama. v2 was measured in full precision on an earlier training run of the same recipe (same data and settings), with the same 50 prompts. This published build will be re-measured on the 4 bit GGUF with the v1 harness, and those numbers will replace these. Every raw answer is published at https://nockai.dev/evaluation/

HumanEval and Solidity compile results are not published yet, so we make no claim about code correctness.

What changed in v2

In v1, 12 of 50 answers had no code. All 12 were short one line requests, such as "Reverse a string in Python.", and two answers said they came from Alibaba Cloud, which showed the runtime was not passing our system prompt. v2:

  • adds short one line requests with code answers,
  • trains half the examples with the base model's default system prompt, so the behavior is in the weights and does not depend on the runtime,
  • removes training rows that overlap the 50 evaluation prompts,
  • updates the identity answers ("I'm Nock Coder, an open coding model from NockAI").

Training

  • LoRA rank 16, alpha 32, dropout 0.05, on all seven projection matrices (q, k, v, o, gate, up, down) in all 28 blocks: 18.5M trainable parameters, 1.2% of the model.
  • 2 epochs, learning rate 2e-4, cosine schedule, effective batch 16, on one free Colab T4.
  • Data:
  • Every answer was cut to its first code block plus at most one sentence. The datasets contain text generated by other language models.

Limitations

  • This is a 1.5B model. It makes mistakes, and its code can be wrong or insecure. Review it before you run it.
  • Smart contract output is not audited. Have contracts reviewed by a qualified person before you deploy them.
  • It is tuned for short answers, so it is a poor fit for long explanations or design discussions.
  • NockAI is an independent project and is not affiliated with Robinhood, Alibaba or Nockchain.

Links

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
18859c0

0 моделей