Uploaded finetuned model
- Developed by: SHIKARI2
- License: apache-2.0
- Finetuned from model : unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit
This qwen2 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 7,1 млрд
- Размер весов
- 15,2 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen2 · dense
- Базовая модель
- Qwen2.5-Coder-7B-Instruct-bnb-4bit
- Опубликована
- 28 авг 2026
Ссылки
Malvos-7B-Instruct
Дообученная SHIKARI2 модель Qwen2 с 7,1 млрд параметров для диалоговой генерации текста и вызова инструментов.
15скачиваний за 30 дней0лайковвеса обновлены28 авг 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Malvos-7B-Instruct — плотная текстовая модель семейства Qwen2, разработанная SHIKARI2 и дообученная на unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit. Репозиторий содержит веса Safetensors; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов.
Модель насчитывает 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. README не уточняет набор обучающих данных, специальные области применения или результаты оценки качества.
Сценарии применения
- ведение диалога на английском языке
- генерация текстовых ответов
- использование модели в приложениях с вызовом инструментов
Ограничения
Карточка не приводит бенчмарков, сведений об обучающих данных или подробностей о качестве выполнения задач; заявленные возможности стоит проверять на целевом сценарии.
Для каких профессий подходит8
Разделы каталога профессий, в задачах которых используется эта модель
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 015моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2ForCausalLM
- Ревизия весов
- e71f547