/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
31,6 млрд
Размер весов
65,1 ГБ
Лицензия
Apache 2.0
Архитектура
glm4 · dense
Базовая модель
GLM-4-32B-0414
Библиотека
transformers
Опубликована
4 мая 2025

remnant-glm4-32b

Генерация текстаТекст → текст3 профессии

Дообученная модель GLM-4 с 31,6 млрд параметров для ролевых игр и разговорных диалогов, включая SFW- и NSFW-сценарии.

100скачиваний за 30 дней9лайковвеса обновлены5 мая 2025

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

Remnant GLM4 32b — серия дообученных языковых моделей от Allura для ролевых диалогов и разговорного общения, включая сценарии SFW и NSFW. Модель основана на THUDM/GLM-4-32B-0414: это плотная авторегрессионная архитектура GLM-4 с 31,6 млрд параметров и контекстом до 32 768 токенов. Для работы используется библиотека Transformers; доступны веса Safetensors.

Модель предназначена для генерации диалоговых ответов и отыгрыша персонажей. В метаданных также отмечен интерфейс вызова инструментов, но README не описывает соответствующие сценарии или качество этой функции. Рекомендуется шаблон чата GLM4; автор приводит настройки с температурой 1,0 и min_p 0,1. Модель поддерживает взрослые ролевые сценарии. Лицензия — Apache-2.0.

Сценарии применения

  • ролевые диалоги с персонажами
  • генерация ответов для разговорного чат-бота
  • SFW-ролевая игра
  • NSFW-ролевая игра
  • продолжение диалога с длинным контекстом

Ограничения

Качество модели и вызов инструментов в README не оценены. Указанные автором квантизации GGUF предоставлены сторонним автором; другие форматы в карточке отмечены как незавершённые.

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

Remnant GLM4 32b (series 1)

English | 简体中文

There's a wisp of dust in the air. It feels like its from a bygone era, but you don't know where from. It lands on your tongue. It tastes nice.

image/png

Remnant is a series of finetuned LLMs focused on SFW and NSFW roleplaying and conversation.

Quants

GGUF (IF YOU ARE USING KOBOLD.CPP, PLEASE USE --nobostoken.):

EXL3:

  • Todo!

EXL2 (if it ever gets supported):

  • Todo!

MISC:

  • Todo!

Recommended Settings

Chat template: GLM4
Samplers:

  • 1.0 temp
  • 0.1 min_p

An example Sillytavern template is available here.

Credits

Humongous thanks to Allura, ilya <3
Big thanks to the developers of Axolotl (whose training framework I used), Zhipu (whose model I used), Prime Intellect (whose GPUs I used), and my bank (whose debit card I used)

Misc

axolotl version: 0.8.0

# === Model Configuration ===
base_model: THUDM/GLM-4-32B-0414  # e.g. "mistralai/Mistral-Small-24B-Instruct-2501"
load_in_8bit: false
load_in_4bit: true

# === Training Setup ===
num_epochs: 2
micro_batch_size: 3
gradient_accumulation_steps: 2
sequence_len: 8192
sample_packing: true
pad_to_sequence_len: true

# === Hyperparameter Configuration ===
optimizer: adamw_8bit
# Apollo-mini configuration:
#optim_args: "proj=random,rank=1,scale=128.0,scale_type=tensor,update_proj_gap=200"
# Regular Apollo configuration:
# optim_args: 
#optim_target_modules: all_linear
learning_rate: 1e-5
lr_scheduler: rex
weight_decay: 0.01
warmup_ratio: 0.05

# === LoRA Configuration ===
adapter: qlora
lora_r: 16
lora_alpha: 32
lora_dropout: 0.25
lora_target_modules:
lora_target_linear: true

# === Data Configuration ===
datasets:
  - path: allura-org/inkmix-v3.0
    type: chat_template
    split: train
    field_messages: conversations
    message_field_role: from
    message_field_content: value
    train_on_eos: all

dataset_prepared_path: last_run_prepared
chat_template: jinja
chat_template_jinja: |
  [gMASK]<sop>{%- for msg in messages %}{%- if msg.role == 'system' %}<|system|>
  {{ msg.content }}{%- elif msg.role == 'user' %}<|user|>
  {{ msg.content }}{%- elif msg.role == 'assistant' %}<|assistant|>
  {{ msg.content }}{%- endif %}{%- endfor %}{% if add_generation_prompt %}<|assistant|>{% else %}<|user|>{% endif %}

# === Plugins ===
plugins:
  - axolotl.integrations.cut_cross_entropy.CutCrossEntropyPlugin

# === Hardware Optimization ===
gradient_checkpointing: offload
gradient_checkpointing_kwargs:
  use_reentrant: false
cut_cross_entropy: true
deepspeed: deepspeed_configs/zero3_bf16.json

# === Wandb Tracking ===
wandb_project: glm4-32b-inkmix-v3

# === Checkpointing ===
saves_per_epoch: 2
save_total_limit: 3

# === Advanced Settings ===
output_dir: /workspace/ckpts
bf16: auto
flash_attention: true
train_on_inputs: false
group_by_length: false
logging_steps: 1
trust_remote_code: true

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Glm4ForCausalLM
Ревизия весов
13ad2d1

0 моделей