/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
TinyLlama-1.1B-Chat-v1.0
Библиотека
transformers
Опубликована
22 сен 2026

tinyllama-unsloth-merged

Генерация текстаТекст → текст3 профессии

Слитая англоязычная чат-модель TinyLlama примерно на 1 млрд параметров для генерации текста и диалоговых ответов.

191скачиваний 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

SaniaKhalid/tinyllama-unsloth-merged — слитая модель семейства Llama, созданная дообучением TinyLlama/TinyLlama-1.1B-Chat-v1.0 с помощью LoRA и оптимизаций Unsloth. Модель содержит около 1 млрд параметров и сохранена в формате safetensors; её можно загружать как самостоятельный чекпойнт через Transformers без отдельного адаптера. В карточке указаны контекст до 2048 токенов и поддержка диалоговой генерации текста на английском языке.

Модель предназначена для генерации продолжений и ответов в диалоге, например, для простых чат-ботов и ответов на вопросы при ограниченных вычислительных ресурсах. README заявляет ускорение инференса и снижение расхода памяти при использовании Unsloth, однако эти показатели не подтверждены независимыми результатами. Небольшой размер и короткий контекст ограничивают сложные рассуждения и работу с длинными документами.

Лицензия — Apache-2.0. В метаданных присутствует пометка not-for-all-audiences, но README не поясняет её смысл; пригодность содержимого для конкретной аудитории по доступным сведениям установить нельзя.

Сценарии применения

  • создание простого англоязычного чат-бота
  • генерация ответов на вопросы
  • продолжение заданного текста
  • прототипирование диалоговых приложений на ограниченных ресурсах

Ограничения

Контекст ограничен 2048 токенами, а компактный размер модели может снижать качество сложных рассуждений и ответов. Пометка not-for-all-audiences есть в метаданных, но её конкретное значение не раскрыто в README.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🦙 TinyLlama Unsloth Merged - Full Fine-tuned Model

Model Description

This is a fully merged model of TinyLlama (1.1B parameters) fine-tuned using Unsloth optimizations with LoRA adapters, then merged into a single complete model. Unlike adapter-only versions, this model is standalone and can be loaded without PEFT library.

Key Features:

  • Fully Merged: No separate adapter files needed
  • Unsloth Optimized: 2-3x faster inference with Unsloth kernels
  • Memory Efficient: 30-50% less memory usage than standard models
  • Standalone: Load directly with transformers or Unsloth
  • Ready to Use: Single folder with model + tokenizer

Model Details:

  • Base Model: TinyLlama/TinyLlama-1.1B-Chat-v1.0
  • Fine-tuning Method: LoRA with Unsloth optimizations (merged)
  • Format: PyTorch safetensors
  • Parameters: 1.1 Billion
  • Context Length: 2048 tokens
  • Precision: FP16 (float16)

🚀 Usage

Option 1: Using Transformers (Recommended)

# ── Load Merged Model with Transformers ───────────────────────────────────

from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
import torch

# Model identifier
MODEL_ID = "arif-butt/tinyllama-unsloth-merged"

print("Loading model and tokenizer...")
tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_ID,
    torch_dtype=torch.float16,
    device_map="auto",
    trust_remote_code=True,
)
model.eval()
print("✅ Model loaded successfully!")

# Test prompt
prompt = "Q: Name all the courses Arif butt teach?\nA:"

# Tokenize
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

# Generate
with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_new_tokens=100,
        temperature=0.2,
        do_sample=True,
        pad_token_id=tokenizer.eos_token_id,
    )

# Decode
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(f"Prompt: {prompt}")
print(f"Response: {response}")
Option 2: Using Pipeline
# ── Text Generation Pipeline ─────────────────────────────────────────────

from transformers import pipeline
import torch

MODEL_ID = "arif-butt/tinyllama-unsloth-merged"

pipe = pipeline(
    "text-generation",
    model=MODEL_ID,
    torch_dtype=torch.float16,
    device_map="auto",
)

prompt = "Q: What is machine learning?\nA:"
output = pipe(prompt, max_new_tokens=100, temperature=0.2)
print(output[0]["generated_text"])
Option 3: Using Unsloth (Faster Inference)
# ── Load with Unsloth for Maximum Performance ────────────────────────────

from unsloth import FastLanguageModel
import torch

MODEL_ID = "arif-butt/tinyllama-unsloth-merged"

print("Loading model with Unsloth...")
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name=MODEL_ID,
    max_seq_length=2048,
    dtype=torch.float16,
    device_map="auto",
)
print("✅ Model loaded with Unsloth optimizations!")

# Test prompt
prompt = "Q: Explain neural networks\nA:"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=150,
    temperature=0.3,
    do_sample=True,
)

response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(f"Response: {response}")

Fine-tuning Configuration
LORA_R       = 16        # Rank of LoRA matrices
LORA_ALPHA   = 32        # Scaling factor (alpha/r = 2.0)
LORA_DROPOUT = 0.05      # Dropout for regularization
TARGET_MODULES = [       # Layers where LoRA is applied
    "q_proj",            # Query projection
    "k_proj",            # Key projection  
    "v_proj",            # Value projection
    "o_proj",            # Output projection
    "gate_proj",         # Gate projection (MLP)
    "up_proj",           # Up projection (MLP)
    "down_proj"          # Down projection (MLP)
]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
72d1b8f

0 моделей