/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
257 млн
Архитектура
gemma3_text · dense
Базовая модель
functiongemma-270m-it
Библиотека
transformers
Опубликована
23 июл 2026

functiongemma-270m-it-simple-tool-calling

Генерация текстаТекст → текст3 профессии

Дообученная компактная текстовая модель Google для генерации диалоговых ответов.

19скачиваний за 30 дней0лайковвеса обновлены23 июл 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

Vigus555/functiongemma-270m-it-simple-tool-calling — дообученная с помощью TRL версия компактной текстовой модели Google functiongemma-270m-it. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают поддержку чата. В карточке приведён пример ответа на вопрос пользователя, но отдельный формат вызова инструментов или специальные сценарии использования не описаны.

Модель имеет плотную архитектуру Gemma 3 Text с причинной языковой моделью Gemma3ForCausalLM и содержит 257 млн параметров. Нативная длина контекста — 32 768 токенов. Веса опубликованы в формате safetensors, библиотека — Transformers. Данные не сообщают, какие языки поддерживаются, и не содержат сведений о лицензии.

Сценарии применения

  • генерация ответа на вопрос в чате
  • создание коротких текстовых ответов
  • эксперименты с дообучением компактной языковой модели

Ограничения

В README не приведены оценки качества и не описан подтверждённый формат вызова инструментов. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

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

Model Card for functiongemma-270m-it-simple-tool-calling

This model is a fine-tuned version of google/functiongemma-270m-it. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="Vigus555/functiongemma-270m-it-simple-tool-calling", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 1.9.0
  • Transformers: 5.13.1
  • Pytorch: 2.11.0+cu128
  • Datasets: 5.0.0
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
d4c88e7

0 моделей