Uploaded finetuned model
- Developed by: TensorVizion
- License: apache-2.0
- Finetuned from model : unsloth/mistral-nemo-base-2407-bnb-4bit
This mistral model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 131 072 токена
- Параметры
- 12,1 млрд
- Размер весов
- 24,5 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- mistral · dense
- Базовая модель
- mistral-nemo-base-2407-bnb-4bit
- Опубликована
- 24 авг 2026
Ссылки
mistral-nemo-alpaca-finetune
Дообученная TensorVizion модель Mistral с 12,1 млрд параметров для генерации текста.
79скачиваний за 30 дней0лайковвеса обновлены24 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
TensorVizion/mistral-nemo-alpaca-finetune — дообученная TensorVizion языковая модель семейства Mistral на базе unsloth/mistral-nemo-base-2407-bnb-4bit. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM и 12,1 млрд параметров. Она предназначена для генерации текста и может использоваться в сценариях диалога и создания текстовых ответов. Модель обучали с помощью Unsloth и библиотеки TRL от Hugging Face; заявленный размер контекста — 131 072 токена. Карточка указывает английский язык и лицензию Apache-2.0. README не описывает конкретную специализацию или результаты оценки качества.
Сценарии применения
- генерация ответов на текстовые запросы
- создание черновиков и продолжение текста
- эксперименты с дообучением моделей Mistral
Ограничения
Карточка не приводит бенчмарков, подробностей обучающих данных или оценки качества; конкретная специализация модели не описана.
Для каких профессий подходит7
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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.1Разработка и данныеАнализ требований и архитектура ПОAI помогает переводить потребности бизнеса в непротиворечивые требования и технические решения.20 задач18 191модель
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
- MistralForCausalLM
- Ревизия весов
- 998bf8c