/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Размер весов
6,2 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Библиотека
transformers
Опубликована
22 сен 2026

Ссылки

Hugging Face

asynchow-original-code

PTTREP
Генерация текстаТекст → текст3 профессии

Компактная дообученная модель Qwen2.5 для генерации текста и диалогов, обученная на датасете с исправленным Python-кодом.

155скачиваний за 30 дней0лайковвеса обновлены22 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.

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

PTTREP/asynchow-original-code — языковая модель Qwen2, разработанная путём дообучения Qwen/Qwen2.5-1.5B-Instruct на датасете asynchow_python_fixed. Это компактная плотная авторегрессионная модель на 1,5 млрд параметров для генерации текста и диалоговых сценариев; она принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов.

Модель может подойти для генерации кода и ответов на вопросы по Python, однако README не описывает её целевое поведение, результаты оценки или ограничения, поэтому качество в этих сценариях не подтверждено. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и условиями базовой модели.

Сценарии применения

  • генерация фрагментов кода на Python
  • исправление ошибок в Python-коде
  • ответы на вопросы о Python в диалоге

Ограничения

README не содержит описания поведения, оценок качества или конкретных ограничений модели; пригодность для задач с Python-кодом следует проверять отдельно. Условия лицензии «other» требуют уточнения по карточке модели и базовой модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sft_code

This model is a fine-tuned version of Qwen/Qwen2.5-1.5B-Instruct on the asynchow_python_fixed dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 8
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2.0

Training results

Framework versions

  • Transformers 4.57.6
  • Pytorch 2.11.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
bce6d6d

0 моделей

    Создать бенчмарк