/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
88,1 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
10 сен 2026

PASITA

Генерация текстаТекст → текст7 профессий

PASITA — компактная испанско-английская языковая модель для преобразования обычного текста в Markdown с сохранением исходного содержания.

39скачиваний за 30 дней0лайковвеса обновлены10 сен 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

PASITA v1 — разработанная OpceanAI компактная авторегрессионная языковая модель на архитектуре LlamaForCausalLM, обученная с нуля без базовой модели. Она предназначена для преобразования обычного текста в корректный Markdown с сохранением исходной информации: модель добавляет структуру, но не должна придумывать содержание. Размер — около 88,1 млн параметров; используется библиотека Transformers, веса опубликованы в формате safetensors. Контекст модели составляет 2048 токенов.

Модель рассчитана на форматирование средних и длинных документов: результатов OCR, вставленного HTML, заметок встреч, инструкций и обучающих материалов. Карточка приводит результаты тестирования на испанских и английских данных, включая качество Markdown, сохранение смысла и обработку таблиц; метаданные также указывают испанский и английский языки. На коротких фрагментах из одной-трёх строк результат может быть нестабильным, а среди отмеченных ошибок — пропуск цифр или второстепенных данных, повтор заголовка первого уровня и генерация текста после завершения. Строгое выполнение инструкций — известное слабое место. Лицензия Apache-2.0.

Сценарии применения

  • преобразование результатов OCR в Markdown
  • структурирование длинных заметок встреч
  • перенос HTML-содержимого в Markdown
  • оформление инструкций и обучающих материалов в Markdown
  • создание Markdown-таблиц из исходного текста

Ограничения

Модель может быть нестабильна на входах длиной в одну-три строки; возможны пропуск цифр и второстепенных данных, повтор заголовков и продолжение генерации после завершения. Строгое следование инструкциям показало низкий результат в приведённом бенчмарке.

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

PASITA v1 — plain text to Markdown (faithful)

A decoder-only language model trained 100% from scratch (no base model), specialized in a single task: converting plain text into valid Markdown while preserving information.

Compiler behavior, not chatbot behavior: it adds structure, it does not invent content.

Architecture (lab notes)

ParameterValue
ClassLlamaForCausalLM (decoder-only, dense, no MoE)
Parameters88,099,584 (~88M) in bfloat16
Layers / hidden / FFN12 / 768 / 2048 (SwiGLU)
AttentionGQA 12Q/4KV, head_dim 64, no bias
PositionsRoPE theta=100000, ctx 2048, RMSNorm eps=1e-5
Embeddingstied (saves ~12.6M params)
Filemodel.safetensors (176 MB, 110 tensors, sha 664665e7…)
TokenizerCustom 16k byte-level BPE, verified ByteLevel decoder (~4.0 chars/token ES/EN)
Special tokens<pad> <s> </s> <unk> <think> </think>

Training

  1. SFT 58M tokens x2 epochs — final loss 0.09, token accuracy 98.4%
  2. DPO beta=0.1 — preference margin 4.2
  3. GRPO 550+150 steps, G=4, verifiable rewards (format + numeric fidelity + anti-overformatting)
  4. Data: 80M human markdown-derived tokens (ES/EN Wikipedia, StackExchange, WikiHow) scaled to 625M in v4 corpus

Benchmark (held-out n=1000, greedy)

GlobalGFM 0.956 - faith 0.927 - sem 0.888 - tables 1.0
code / ocr / docs / math / tables / html0.93 - 1.00
control (strict instructions)0.19 (known limitation)

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("OpceanAI/PASITA")
model = AutoModelForCausalLM.from_pretrained("OpceanAI/PASITA", dtype="auto")
prompt = "CONVIERTE A MARKDOWN:\n" + text + "\n\n### Markdown:\n"
ids = tok(prompt, return_tensors="pt", truncation=True, max_length=1024)
out = model.generate(**ids, max_new_tokens=512, do_sample=False)
print(tok.decode(out[0][ids.input_ids.shape[1]:], skip_special_tokens=True))

Valid regime: medium/long documents (OCR output, pasted HTML, meeting notes, tutorials). Fragile on 1-3 line inputs.

Limitations

May truncate digits, drop secondary data, emit echo H1s, or continue past completion. Recommended: adaptive max_new_tokens + beam search + fidelity rerank.

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
4adddc8

0 моделей