/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
7 окт 2025

Ссылки

Hugging FacearXiv 1910.09700

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-swift_hairy_pelican

Parlramentsteel
Генерация текстаТекст → текст3 профессии

Компактная instruct-языковая модель семейства Qwen2.5 для генерации текста и экспериментов с RL/GRPO в экосистеме Gensyn.

3 428скачиваний за 30 дней0лайковвеса обновлены2 ноя 2025

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

Это компактная языковая модель для генерации текста с идентификатором Parlрамentsteel/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-swift_hairy_pelican, опубликованная на Hugging Face. По названию она относится к семейству Qwen2.5 и представляет instruct-вариант размером около 494 млн параметров. Модель работает через библиотеку Transformers и поддерживает контекст длиной до 32768 токенов.

Модель предназначена для генерации ответов и продолжения текста, а также может использоваться в экспериментах с reinforcement learning, GRPO и экосистемой Gensyn или RL/GenRL Swarm, на что указывают метаданные и название репозитория. Компактный размер делает её подходящей для исследовательских прототипов, локального запуска и ресурсоограниченных сред.

README является автоматически сгенерированной карточкой и почти не содержит сведений о разработчике, обучающих данных, оценивании, лицензии, языках и рекомендациях по применению. Поэтому результаты, фактическая мультиязычность, безопасность и пригодность для конкретных задач требуют самостоятельной проверки; лицензия в доступных данных не указана.

Сценарии применения

  • генерация ответов на инструкции
  • продолжение и перефразирование текста
  • создание прототипов чат-ботов
  • эксперименты с GRPO и reinforcement learning
  • исследование RL/GenRL Swarm

Ограничения

README не содержит результатов оценки, сведений об обучающих данных, языках и лицензии. Без дополнительного тестирования нельзя надёжно оценить качество, безопасность и пригодность модели для конкретных сценариев.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

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
94e73fa

0 моделей

    Создать бенчмарк