/ Модель

Характеристики

Контекст
512 токенов
Параметры
7,7 млн
Лицензия
Своя лицензия
Архитектура
baar25 · dense
Опубликована
23 сен 2026

BAAR2.2-3M

Генерация текстаТекст → текст3 профессии

BAAR2.2-3M — компактная многоязычная предобученная модель для диалоговой генерации текста на устройствах с ограниченными ресурсами.

112скачиваний за 30 дней0лайковвеса обновлены24 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

BAAR2.2-3M — компактная предобученная многоязычная разговорная модель, разработанная автором репозитория aixk. Она предназначена для генерации диалоговых ответов на устройствах с ограниченными вычислительными ресурсами, включая встраиваемые и периферийные платформы; автор также описывает сценарии лёгкого RAG. В метаданных указаны архитектура BAAR25 dense, 7,7 млн параметров и контекст 512 токенов; README заявляет 3 млн параметров и поддержку 11 языков: корейского, английского, японского, китайского, испанского, португальского, немецкого, русского, хинди, вьетнамского и тайского.

Модель выдаёт текст и подходит для базового диалога, простых вопросов и ответов и коротких переводных запросов. Примеры в карточке показывают неполные и неточные ответы, а сам автор характеризует её как базовый чекпойнт и рекомендует дообучение или RAG для специализированных задач и повышения фактической точности. Репозиторий содержит веса Safetensors. Лицензия указана как other; README уточняет, что коммерческое использование ограничено и требует согласования условий с разработчиком.

Сценарии применения

  • базовый чат на маломощном встраиваемом устройстве
  • генерация коротких ответов на простые вопросы
  • многоязычный диалог на периферийном устройстве
  • прототипирование лёгкого RAG-ассистента
  • простые переводные запросы в чате

Ограничения

Это базовый предобученный чекпойнт: примеры в карточке показывают неполные или неточные ответы, поэтому для фактической точности и специализированных задач автор рекомендует дообучение или RAG. README указывает на ограничение коммерческого использования и необходимость согласования лицензии.

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 Overview

BAAR2.2-3M is an ultra-compact multilingual conversational model designed to enable real-time chat under minimal hardware conditions. With just 3 million (3M) parameters, it brings lightweight, interactive dialogue capabilities across 11 languages to extreme resource-constrained environments, embedded devices, and on-device platforms where standard LLMs cannot operate.

BAAR2.2-3M은 최소한의 하드웨어 여건과 극단적인 리소스 제약 환경에서도 11개 언어로 실시간 대화(Chat)가 가능하도록 설계된 300만(3M) 파라미터 규모의 초경량 다국어 언어 모델입니다. 일반적인 대형 모델 구동이 불가능한 초저사양 엣지 및 임베디드 기기에서도 즉각적인 대화형 추론과 초경량 실시간 RAG 시스템 구축을 지원합니다.


📊 Live Sample Inference

Task / CategoryPromptGenerated OutputLatency
한국어 일반 QA대한민국의 수도는 어디인가요?개인적으로, 서울 상대방의 수도는 공정한 경~565.9ms
영어 일반 QAWhat is artificial intelligence?The ability to develop intelligence by computers and~5972.0ms
일상어 번역 요청안녕이 영어로 뭐야?안녕은 영어로 Hello 입니다.~356.9ms
일상어 번역 요청 2사과가 영어로 뭐야?사과는 영어로 apple 입니다.~325.0ms
영->한 번역 요청What is 'Seoul' in Korean?A series of the company in the US and the Unite~443.4ms
일본어 일반 QA日本の首都はどこですか?取引の首都は、 東京の光で表~458.3ms
중국어 일반 QA人工智能的主要特点是什么?当然 , 我无法为智能数据分~446.7ms
스페인어 일반 QA¿Cuál es la capital de España?Madrid is a complex state of the Sun and the Es~444.1ms
러시아어 일반 QAКакая столица России?Москва России представляет собой столицу~415.1ms
힌디어 일반 QAभारत की राजधानी क्या है?एक नई दिल्ली के बारे में एक विशिष्ट कार्य है~413.3ms

📄 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 3M 규모의 베이스 사전학습 체크포인트입니다. 정교한 작업 수행, 사실 관계 검증 및 완성도 높은 대화 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

Архитектура baar25 неизвестна transformers в образе рантайма.

Класс архитектуры
BAAR25_3M
Ревизия весов
e62481f

0 моделей