/ Модель
Каталог

Характеристики

Размер весов
191 МБ
Лицензия
Своя лицензия
Опубликована
16 сен 2026

Ссылки

Hugging Face

BAAR2-95M

aixk
Генерация текстаТекст → текст6 профессий

Компактная мультиязычная модель на 95 млн параметров для генерации текста и диалогов, в том числе в лёгких RAG-сценариях на устройствах с ограниченными ресурсами.

435скачиваний за 30 дней1лайквеса обновлены21 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

BAAR2-95M — компактная мультиязычная языковая модель с 95 млн параметров, предназначенная для генерации текста и диалогов на устройствах с ограниченными вычислительными ресурсами. Разработчик позиционирует её как базовую предварительно обученную модель для встраиваемых систем и периферийных устройств; архитектура модели в доступных сведениях не раскрыта.

Модель рассчитана на быстрые ответы и может использоваться в лёгких RAG-сценариях: принимает внешний контекст и формирует ответ, связанный с результатами поиска. В карточке заявлена поддержка 11 языков: корейского, английского, японского, китайского, испанского, португальского, немецкого, русского, хинди, вьетнамского и тайского. Формат весов — safetensors.

Это базовый чекпойнт, поэтому для специализированных задач, высокой фактической точности и надёжного выполнения инструкций рекомендуются дообучение или подключение RAG. Лицензия указана как нек​​оммерческая; коммерческое использование требует обращения к разработчику за условиями лицензирования.

Сценарии применения

  • развёртывание чат-бота на маломощном периферийном устройстве
  • генерация ответов по контексту, полученному из векторного поиска
  • создание лёгкого мультиязычного диалогового интерфейса во встраиваемой системе

Ограничения

Это базовая предварительно обученная модель, поэтому для специализированных задач и более высокой фактической точности рекомендуется дообучение или RAG. Коммерческое использование ограничено условиями нек​​оммерческой лицензии; детали следует согласовать с разработчиком.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

📌 Model Overview

BAAR2-95M is an ultra-compact multilingual model designed to enable real-time chat and generation under minimal hardware conditions. With just 95 million (95M) parameters, it brings lightweight, interactive dialogue capabilities across 11 languages to resource-constrained environments, embedded systems, and edge on-device platforms where standard LLMs cannot operate.

BAAR2-95M은 최소한의 하드웨어 여건과 극단적인 리소스 제약 환경에서도 11개 언어로 실시간 텍스트 생성 및 대화 처리가 가능하도록 설계된 9,500만(95M) 파라미터 규모의 초경량 다국어 언어 모델입니다. 일반적인 대형 모델 구동이 불가능한 초저사양 엣지 및 임베디드 기기에서도 즉각적인 추론과 초경량 실시간 RAG 시스템 구축을 지원합니다.

🔍 Retrieval-Augmented Generation (RAG) & Edge AI

BAAR2-95M is optimized for low-latency vector retrieval integration and context-based response generation, ensuring sub-second response times even under strict compute and memory budgets.

실시간 벡터 검색(Retrieval)과 BAAR2-95M 초경량 생성 엔진을 결합하여 경량 RAG 파이프라인을 구축할 수 있으며, 외부 문맥(Context)을 전달받아 서브-세컨드(Sub-second) 단위의 빠른 반응 속도를 제공합니다.

📄 License & Commercial Terms (라이선스 및 상업적 도입 안내)

  • Non-Commercial Use Only (비상업적 연구·개인 이용 한정):
    This model is strictly provided for non-commercial, research, and educational purposes only. Any commercial use without a separate commercial agreement is strictly prohibited.
    본 모델은 순수 연구, 교육 및 개인 비영리 목적에 한해서만 무료로 제공됩니다. 사전 허가 없는 일체의 영리적 이용은 엄격히 금지됩니다.

  • Commercial Licensing & Inquiries for Revenue-Generating Entities (매출 발생 기업 및 상용화 도입 문의):
    If your organization generates revenue, or if you plan to incorporate this model into commercial products, services, or paid APIs, you are required to purchase a commercial license. Please contact us directly via email for enterprise licensing and integration support.
    기업/사업체에 매출이 발생하고 있거나, 본 모델을 상용 서비스·유료 제품·수익 창출 목적의 시스템에 도입하고자 하시는 경우 반드시 별도의 상용 라이선스를 취득하셔야 합니다. 도입 조건 및 기업용 라이선스 발급은 아래 이메일로 문의해 주시기 바랍니다.

⚠️ Notes (안내 사항)

  • Pre-trained Model: This model is a compact base pre-trained checkpoint. For specialized tasks, factual precision, or task completion, task-specific fine-tuning (SFT) or Retrieval-Augmented Generation (RAG) pipelines are recommended.
  • 기초 사전학습 모델: 본 모델은 95M 규모의 베이스 사전학습 체크포인트입니다. 정교한 작업 수행, 사실 관계 검증 및 완성도 높은 텍스트 생성이 필요한 경우 도메인 파인튜닝(SFT) 또는 검색 증강 생성(RAG) 파이프라인 결합을 권장합니다.

💼 Opportunities & Contact (채용 제안 및 투자 문의)

This project demonstrates practical competency in designing custom micro-scale architectures, end-to-end multi-language pre-training, and ultra-low-latency deployment under extreme compute constraints.

I am actively seeking AI Engineering / Research opportunities, recruitment offers, and technical partnerships.

극단적인 저사양 리소스 환경에서도 즉각 작동하는 고효율 다국어 모델 아키텍처를 설계하고, 데이터 정제부터 학습·서빙까지 전 과정을 직접 구현하는 AI 엔지니어입니다. 기술 도입, 채용 제안 및 협업에 관심 있는 기업과 팀의 문의를 환영합니다.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
5252ba7

0 моделей

    Создать бенчмарк