Характеристики

Контекст: 32 000 токенов
Параметры: 362 млн
Архитектура: llama · dense
Базовая модель: SmolLM2-360M-Instruct
Библиотека: transformers
Опубликована: 21 мая 2025

Ссылки

Hugging Face

Andy-4-tiny

Sweaterdog

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель Sweaterdog для диалогового управления игровыми сценариями Minecraft через Mindcraft.

86скачиваний за 30 дней2лайкавеса обновлены26 авг 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

Andy-4-tiny — компактная диалоговая языковая модель Sweaterdog, дообученная для игрового процесса в Minecraft через фреймворк Mindcraft. Это плотная causal language model семейства Llama на архитектуре SmolLM2 с 361,8 млн параметров и контекстом до 32 000 токенов. Модель принимает текст и генерирует текст; карточка указывает английский язык. Для инференса README описывает 4-битную квантизацию и локальный запуск, включая Ollama, с ориентацией на работу на CPU и низкое потребление памяти.

Модель предназначена для диалогового управления игровыми сценариями Minecraft через Mindcraft. В README указаны три этапа обучения на наборах Andy-4-base-1, Andy-4-base-2 и FT; метаданные связывают её с HuggingFaceTB/SmolLM2-360M-Instruct. Andy-4-tiny не сертифицирована разработчиками Mindcraft, поэтому её пригодность для конкретной игровой среды следует проверять. Лицензия — Andy 1.0 License.

Сценарии применения

диалоговое управление персонажем в Minecraft через Mindcraft
выполнение игровых инструкций в Minecraft
генерация текстовых ответов игрового агента
локальный запуск игровой модели на CPU с низким потреблением памяти

Ограничения

Модель не сертифицирована разработчиками Mindcraft. Её качество и надёжность для конкретной игровой среды требуют проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🧠 Andy‑4-tiny 🐜

Andy‑4-tiny is an 360 Million‑parameter specialist model tuned for Minecraft gameplay via the Mindcraft framework. The Current version of Andy-4-tiny is Andy-4-tiny-0522.

⚠️ Certification:
Andy‑4 is not yet certified by the Mindcraft developers. Use in production at your own discretion.

🔍 Model Specifications

Parameters: 360M
Training Hardware: 1 × NVIDIA RTX 3070
Duration: ~ 36 hours total
Data Volumes:
- Messages: 179,384
- Tokens: 425,535,198
- Conversations: 62,149
Base Architecture: SmolLM2
License: Andy 1.0 License
Repository: https://huggingface.co/Sweaterdog/Andy‑4

📊 Training Regimen

Andy‑4‑base‑1 dataset
- Epochs: 2
- Learning Rate: 5e-5
- Dataset Size: 47.4k
Andy‑4‑base-2 dataset
- Epochs: 2
- Learning Rate: 7e-5
- Dataset Size: 49.2k
Fine‑tune (FT) dataset
- Epochs: 2.5
- Learning Rate: 2e-5
- Dataset Size: 4.12k

Optimizer: AdamW_8bit with cosine decay
Quantization: 4‑bit (bnb-4bit) for inference
Warm Up Steps: 0.1% of each dataset

🚀 Installation

Andy-4-tiny is an Edge-case model, built to run on the CPU and use minimal ram. These are the requirements to Run Them, not to use them while Minecraft is also running.

Quantization	RAM Required
F16	CPU 2GB
Q8_0	CPU 1GB
Q4_K_M	CPU 0.8GB

1. Installation directly on Ollama

Visit Andy-4 on Ollama
Copy the command after choosing model type / quantization
Run the command in the terminal
Set the profile's model to be what you installed, such as ollama/sweaterdog/andy-4:tiny-q8_0

2. Manual Download & Modelfile

Download
- From the HF Files tab, grab your chosen .GGUF quant weights (e.g. Andy-4-tiny.Q4_K_M.gguf).
- Download the provided Modelfile.

Edit

Change

FROM YOUR/PATH/HERE

FROM /path/to/Andy-4-tiny.Q4_K_M.gguf

Optional: Increase the parameter num_ctx to a higher value for longer conversations if you:

A. Have extra VRAM

B. Quantized the context window

C. Can use a smaller model

Create
```
ollama create andy-4-tiny -f Modelfile
```

This registers the Andy‑4-tiny model locally.

📌 Acknowledgments

Data & Models by: @Sweaterdog
Framework: Mindcraft (https://github.com/kolbytn/mindcraft)
LoRA Weights: https://huggingface.co/Sweaterdog/Andy-4-LoRA
*Explicit credit is not granted to Meta since this model was trained off of a slightly different architecture, from DeepSeek-R1

⚖️ License

See Andy 1.0 License.

This work uses data and models created by @Sweaterdog.

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: 2880937