Характеристики

Контекст: 131 072 токена
Параметры: 124 млрд
Размер весов: 251 ГБ
Лицензия: Своя лицензия
Архитектура: qwen2 · dense
Базовая модель: ultiima-72B
Библиотека: transformers
Опубликована: 19 янв 2025

Ссылки

ultiima-125B

Генерация текстаТекст → текст9 профессий

Плотная многоязычная модель Qwen2 на 124,1 млрд параметров для генерации текста и диалогов с контекстом до 131 072 токенов.

25скачиваний за 30 дней1лайквеса обновлены19 фев 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.

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.

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

Sakalti/ultiima-125B — плотная авторегрессионная языковая модель семейства Qwen2, созданная Sakalti на основе Sakalti/ultiima-72B. Веса объединены методом passthrough с помощью mergekit; в README указано, что число слоёв увеличено с 80 до 140. Модель содержит 124,1 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов.

Модель предназначена для генерации текста и диалогов на нескольких языках. Разработчик отмечает снижение качества после изменения архитектуры и предполагает дальнейшее дообучение для его улучшения; поэтому модель подходит для экспериментов с длинным контекстом и дообучением, но качество ответов может быть нестабильным. В метаданных заявлены интерфейс вызова инструментов и поддержка английского, корейского, японского, русского, французского, немецкого, итальянского, румынского и китайского языков. Лицензия указана как other; конкретные условия следует сверить с карточкой модели.

Сценарии применения

генерация многоязычных текстов
создание диалогового ассистента
эксперименты с генерацией при длинном контексте
дообучение языковой модели для улучшения качества
интеграция текстовой модели с интерфейсом вызова инструментов

Ограничения

В README сообщается, что после увеличения числа слоёв качество модели снизилось и для его улучшения предполагается дообучение. Условия лицензии обозначены как other, поэтому перед использованием следует проверить их в карточке модели.

Для каких профессий подходит9

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 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Built With Qwen

Details

このモデルは80レイヤーから140レイヤーに増やしたモデルです。性能は低下しているのでファインチューニングしてよりいい精度を目指す用途を想定しています。

merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the passthrough merge method.

Models Merged

The following models were included in the merge:

Sakalti/ultiima-72B

Configuration

The following YAML configuration was used to produce this model:

slices:
- sources:
  - layer_range: [0, 20]
    model: Sakalti/ultiima-72B
- sources:
  - layer_range: [10, 30]
    model: Sakalti/ultiima-72B
- sources:
  - layer_range: [20, 40]
    model: Sakalti/ultiima-72B
- sources:
  - layer_range: [30, 50]
    model: Sakalti/ultiima-72B
- sources:
  - layer_range: [40, 60]
    model: Sakalti/ultiima-72B
- sources:
  - layer_range: [50, 70]
    model: Sakalti/ultiima-72B
- sources:
  - layer_range: [60, 80]
    model: Sakalti/ultiima-72B
dtype: float16
merge_method: passthrough

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen2ForCausalLM
Ревизия весов: f93367b