/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
2,4 млрд
Размер весов
9,8 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
16 окт 2024

Tucano-2b4

Генерация текстаТекст → текст3 профессии

Португалоязычная авторегрессионная модель Tucano с архитектурой LLaMA и 2,4 млрд параметров для исследований и разработки языковых моделей.

639скачиваний за 30 дней6лайковвеса обновлены2 окт 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

Tucano-2b4 — авторегрессионная языковая модель серии Tucano, разработанной TucanoBR и обученной на португальском языке. Это плотный Transformer с архитектурой LLaMA и примерно 2,4 млрд параметров; модель предсказывает следующий токен и генерирует текст. Обучение проводилось на наборе TucanoBR/GigaVerbo — объединении очищенных португальских текстовых корпусов объёмом около 200 млрд токенов. Контекст составляет 4096 токенов.

Модель предназначена как основа для исследований и разработки языковых моделей на португальском, в том числе для сравнительных экспериментов и последующего дообучения под конкретные задачи. Она не настроена для прикладных задач и не предназначена для непосредственного развёртывания или взаимодействия с пользователями. Лицензия Apache 2.0.

Модель может галлюцинировать, воспроизводить предубеждения и токсичные формулировки, выдавать ненадёжный код, повторяться или отвечать излишне многословно. Основной язык — португальский; для других языков её пригодность ограничена.

Сценарии применения

  • генерация текста на португальском языке
  • эксперименты с португалоязычными языковыми моделями
  • сравнение качества на португальских языковых бенчмарках
  • дообучение португалоязычной модели под прикладную задачу

Ограничения

Модель не настроена для задач нижнего уровня и не предназначена для прямого развёртывания или взаимодействия с пользователями. Возможны галлюцинации, предубеждения и токсичность, ненадёжная генерация кода, повторения и многословные ответы; для языков помимо португальского пригодность ограничена.

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

Tucano-2b4

Model Summary

📣 UPDATE: If you like/use Tucanos or GigaVerbo for anything, know that version 2 is already out. Go to our new organization (Polyglot) to check out all the improvements the Tucano 2 series brings!

Tucano is a series of decoder-transformers natively pretrained in Portuguese. All Tucano models were trained on GigaVerbo, a concatenation of deduplicated Portuguese text corpora amounting to 200 billion tokens.

Read our preprint here.

Details

  • Architecture: a Transformer-based model pre-trained via causal language modeling
  • Size: 2,444,618,240 parameters
  • Context length: 4096 tokens
  • Dataset: TucanoBR/GigaVerbo
  • Language: Portuguese
  • Number of steps: 1,960,000
  • GPU: 16 NVIDIA A100-SXM4-80GB
  • Training time: ~ 845 hours
  • Emissions: 4,475 KgCO2 (Germany)
  • Total energy consumption: 11,749 kWh

This repository has the source code used to train this model. The main libraries used are:

Intended Uses

The primary intended use of the Tucano models is to serve as foundations for research and development involving native Portuguese language modeling. Checkpoints saved during training are designed to provide a controlled setting for performing comparative experiments, specifically regarding the effects of active pretraining on the performance of currently available benchmarks. You may also fine-tune and adapt Tucano models for deployment if your use follows the Apache 2.0 license. If you decide to use the Tucano models as a basis for your fine-tuned model, please conduct your own risk and bias assessment.

Out-of-scope Use

  • Tucano models are not intended for deployment. They are not an out-of-the-box product and should not be used for human-facing interactions.

  • Tucano models are for the Portuguese language only and are unsuitable for text generation tasks in other languages.

  • Tucano models have not been fine-tuned for downstream tasks.

Basic usage

Using the pipeline:

from transformers import pipeline

generator = pipeline("text-generation", model="TucanoBR/Tucano-2b4")

completions  = generator("A floresta da Amazônia é conhecida por sua", num_return_sequences=2, max_new_tokens=100)

for comp in completions:
  print(f"🤖 {comp['generated_text']}")

Using the AutoTokenizer and AutoModelForCausalLM:

from transformers import GenerationConfig, TextGenerationPipeline, AutoTokenizer, AutoModelForCausalLM
import torch

# Specify the model and tokenizer
model_id = "TucanoBR/Tucano-2b4"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

# Specify the generation parameters as you like
generation_config = GenerationConfig(
    **{
    "do_sample": True,
    "max_new_tokens": 2048,
    "renormalize_logits": True,
    "repetition_penalty": 1.2,
    "temperature": 0.1,
    "top_k": 50,
    "top_p": 1.0,
    "use_cache": True, 
  }
)

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
generator = TextGenerationPipeline(model=model, task="text-generation", tokenizer=tokenizer, device=device)

# Generate text
prompt = "A floresta da Amazônia é conhecida por sua"
completion = generator(prompt, generation_config=generation_config)
print(completion[0]['generated_text'])

Limitations

Like almost all other language models trained on large text datasets scraped from the web, the Tucano models show behavior that does not make them an out-of-the-box solution to many real-world applications, especially those requiring factual, reliable, and nontoxic text generation. Tucano models are all subject to the following:

  • Hallucinations: Tucano models can produce content that can be mistaken as true facts, but are misleading or entirely false, i.e., hallucination.

  • Biases and Toxicity: Tucano models inherit the social and historical stereotypes from the data used to train them. Given these biases, the model can produce toxic content, i.e., harmful, offensive, or detrimental to individuals, groups, or communities.

  • Unreliable Code: Tucano models may produce incorrect code snippets and statements. These code generations should not be treated as suggestions or accurate solutions.

  • Language Limitations: Tucano models are primarily designed to interact with Portuguese. Other languages might challenge its comprehension, leading to potential misinterpretations or errors in response.

  • Repetition and Verbosity: Tucano models may get stuck on repetition loops (especially if the repetition penalty during generations is set to a meager value) or produce verbose responses unrelated to the prompt it was given.

Hence, even though our models are released with a permissive license, we urge users to perform their risk analysis on them if they intend to use them for real-world applications.

Evaluations

The table below compares our models against several Portuguese and multilingual language models on the evaluation harness used in our study. More information on it can be found here. To learn more about our evaluation harness selection, read our preprint.

AverageCalame-PTLambada-PTARC-PTHellaSwag-PT
Llama-3.2-3B5258.4349.143.2557.2
Granite-3.0-2b51.6356.3647.5542.5660.05
Tucano-2b443.5859.0637.6730.4347.17
Llama-3.2-1B42.9551.8341.0233.545.44
Tucano-1b141.5558.2434.730.4342.84
Gemma-2b40.3851.1639.8837.9532.53
Bloom-1b740.3755.6431.9830.3443.52
Tucano-630m39.556.5533.1328.8939.41
Gemma-2-2b39.2156.747.124.1928.85
Bloom-1b138.1852.9430.2229.8339.74
GlórIA-1b336.0552.7927.7126.6737.04
Tucano-160m35.1452.3128.1627.0133.07
Xglm-564m34.5550.5827.4225.5634.64
Bloom-560m34.3249.9525.4424.7437.15
TTL-460m33.7849.4223.2929.433
mGPT-1b331.8147.1429.9223.8126.37
TTL-160m30.7846.7220.9826.1529.29
Lola-v130.1926.418.3230.4245.61
GPorTuguese28.9240.6122.9822.4829.62

Cite as 🤗

@misc{correa2024tucanoadvancingneuraltext,
      title={{Tucano: Advancing Neural Text Generation for Portuguese}}, 
      author={Corr{\^e}a, Nicholas Kluge and Sen, Aniket and Falk, Sophia and Fatimah, Shiza},
      year={2024},
      eprint={2411.07854},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2411.07854}, 
}

@article{correa2025tucanoadvancingneuraltext,
    title={{Tucano: Advancing Neural Text Generation for Portuguese}},
    author={Corr{\^e}a, Nicholas Kluge and Sen, Aniket and Falk, Sophia and Fatimah, Shiza},
    journal={Patterns},
    publisher={Elsevier},
    year={2025},
    doi={10.1016/j.patter.2025.101325},
    url={https://doi.org/10.1016/j.patter.2025.101325},
    issn={2666-3899}
}

Aknowlegments

We gratefully acknowledge the granted access to the Marvin cluster hosted by University of Bonn along with the support provided by its High Performance Computing & Analytics Lab.

License

Tucano is licensed under the Apache License, Version 2.0. For more details, see the LICENSE file.

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
b8def49

0 моделей