/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Noema-2B
Библиотека
gguf
Опубликована
6 июл 2026

Noema-2B-GGUF

Генерация текстаТекст → текст12 профессий

Noema-2B-GGUF — это набор GGUF-квантизированных сборок модели Noema-2B, разработанной NoemaAI-labs.

584скачиваний за 30 дней5лайковвеса обновлены9 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Модель представляет собой примерно 2-миллиардную reasoning-модель, дообученную на базе Qwen/Qwen3.5-2B, и предназначена для генерации текста, решения математических и логических задач, а также локального запуска через llama.cpp и совместимые среды. Заявленный язык — английский.

Модель использует гибридную архитектуру Qwen3.5 с Gated-DeltaNet: в ней сочетаются линейные слои и слои полноформатного внимания. Доступны варианты F16, Q8_0, Q6_K и Q4_K_M размером примерно от 1,2 до 3,5 ГБ; Q4_K_M рекомендован как наиболее сбалансированный по качеству и размеру, а Q8_0 обеспечивает наиболее высокую точность среди квантизированных вариантов. Модель настроена и оценивалась в non-thinking mode, который включается шаблоном чата по умолчанию.

Для работы требуется свежая версия llama.cpp с поддержкой архитектуры qwen35; старые версии могут не загрузить модель. Рекомендуется использовать вероятностную генерацию с параметрами temperature 0.7, top-p 0.8, top-k 20 и presence penalty 1.5. Жадная генерация с temperature 0 может приводить к зацикливанию повторов. Максимальный размер контекста, подробные бенчмарки и ограничения базовой модели в данной карточке не указаны. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой Qwen/Qwen3.5-2B.

Для каких профессий подходит12

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

Noema-2B — GGUF

GGUF builds of NoemaAI-labs/Noema-2B, a ~2B reasoning model post-trained from Qwen/Qwen3.5-2B (hybrid Gated-DeltaNet architecture), for use with llama.cpp and compatible runtimes.

For the full model description, benchmarks, training recipe, and limitations, see the base model card.

⚠️ Requires Qwen3.5 (qwen35) architecture support in llama.cpp

This model uses the Qwen3.5 hybrid Gated-DeltaNet architecture. It will only load in a llama.cpp build that includes the qwen35 architecture (linear + full attention layers). On an older build you will get an "unknown architecture" / unsupported-arch error. Use a recent llama.cpp with Qwen3.5 support and build from source if your package manager's version is too old.

Files

FileQuantSizeNotes
Noema-2B-F16.ggufF163.5 GBFull precision; conversion reference.
Noema-2B-Q8_0.ggufQ8_01.9 GBNear-lossless; highest-fidelity quant.
Noema-2B-Q6_K.ggufQ6_K1.5 GBVery high quality, small quality loss.
Noema-2B-Q4_K_M.ggufQ4_K_M1.2 GBRecommended quality/size balance.

All quants were produced from the same F16 conversion of the release weights and smoke-tested (load + generation) on each file.

Usage

Noema is tuned and evaluated in non-thinking mode, which is the default the embedded chat template applies. Pass --jinja so that template is used, and the model runs in its trained (non-thinking) regime automatically — no extra flags or prompt tags are needed.

Recommended sampling (the config Noema was evaluated under): --temp 0.7 --top-p 0.8 --top-k 20 --presence-penalty 1.5. Avoid --temp 0 / greedy decoding — this model family is documented to enter repetition loops under greedy sampling.

# One-shot, single-turn (non-thinking):
llama-cli -m Noema-2B-Q4_K_M.gguf --jinja -cnv -st \
  -p "A farmer has 17 red apples and 25 green apples. How many in total?" \
  -n 256 --temp 0.7 --top-p 0.8 --top-k 20 --presence-penalty 1.5

# Or run an OpenAI-compatible server (set the sampling params client-side,
# or pass the same flags here as server defaults):
llama-server -m Noema-2B-Q4_K_M.gguf --jinja -c 4096 \
  --temp 0.7 --top-p 0.8 --top-k 20 --presence-penalty 1.5

License

Apache-2.0, inherited from the Qwen/Qwen3.5-2B base model.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
66d96b1

0 моделей