/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-bnb-4bit
Библиотека
transformers
Опубликована
20 сен 2026

tolk-flash

Генерация текстаТекст → текст10 профессий

Компактная дообученная модель Qwen2 для быстрых многоходовых диалогов и генерации текста на русском и английском языках.

331скачиваний 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.

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

tolk-flash — компактная языковая модель диалогов, разработанная авторами семейства tolk и основанная на Qwen2.5-3B-bnb-4bit. Это дообученная плотная модель с архитектурой Qwen2 и примерно 3,1 млрд параметров; она предназначена для быстрых многоходовых бесед, генерации текста и диалогов с заданной персоной на русском и английском языках. Контекст модели — до 32 768 токенов. Небольшой размер рассчитан на быстрый вывод, слабые GPU и среды с ограниченными ресурсами, а интерфейс поддерживает чат и вызов инструментов. Модель распространяется в формате safetensors по лицензии MIT.

Сценарии применения

  • многоходовый диалог на русском языке
  • многоходовый диалог на английском языке
  • генерация ответов в заданной персоне
  • чат-бот для среды с ограниченными вычислительными ресурсами

Ограничения

Модель компактна, поэтому её возможности могут уступать более крупным моделям семейства tolk. Заявления о быстром выводе и работе на слабых GPU приведены в карточке модели и не сопровождаются сравнительными тестами.

Для каких профессий подходит10

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

tolk-flash

tolk-flash is a lightweight Flash version of the tolk-7B language model, based on Qwen 2.5 3B.

The model is designed for fast multi-turn conversational dialogue, persona alignment, and text generation in Russian and English while maintaining a small parameter count for efficient inference.

📌 Model Summary

Model Name: tolk-flash

Parameters: 3B

Base Model: unsloth/Qwen2.5-3B-bnb-4bit

Languages: Russian (ru), English (en)

Primary Task: Conversational Text Generation / Persona-based Dialogue

🚀 Quick Start

You can run tolk-flash using standard Hugging Face Transformers:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "RaspizdAI/tolk-flash"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.float16,
    device_map="auto"
)

messages = [
    {"role": "user", "content": "Привет! Расскажи немного о себе."}
]

inputs = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_tensors="pt"
).to("cuda")

outputs = model.generate(
    input_ids=inputs,
    max_new_tokens=1024,
    temperature=0.2,
    top_p=0.9,
    do_sample=True
)

response = tokenizer.decode(
    outputs[0][inputs.shape[1]:],
    skip_special_tokens=True
)

print(response)

⚡ Why Flash?

tolk-flash is intended as a smaller and faster alternative to larger versions of the tolk-7B model.

With 3B parameters, it requires significantly fewer resources and is better suited for:

  • Fast inference
  • Weak GPUs
  • Low-resource environments
  • High-throughput conversational applications

📜 License

This model is made available under the MIT License. You are free to use, modify, distribute, and incorporate this model into commercial or non-commercial applications.

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
10d8f14

0 моделей