/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Опубликована
2 авг 2026

Ссылки

Hugging Face

aurum-brain-ai

arissuga
Генерация текстаТекст → текст3 профессии

Aurum Brain AI — дообученная на индонезийских диалогах компактная модель Qwen2.5 для общения, программирования и решения задач.

111скачиваний за 30 дней0лайковвеса обновлены25 авг 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.

Открыть конструктор бенчмарка

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

Aurum Brain AI — компактная языковая модель, созданная разработчиком arissuga дообучением Qwen/Qwen2.5-1.5B-Instruct с помощью LoRA (r=16, alpha=32). Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2 и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов.

Модель предназначена прежде всего для общения на индонезийском языке, помощи с программированием и веб-разработкой, решения задач и отладки кода. В README также заявлены возможности для работы в роли AI-агента. Для использования доступны веса safetensors и пример вызова через Hugging Face Inference API.

В карточке указана лицензия Apache-2.0. Небольшой размер и обучение на наборе из более чем 68 диалогов могут ограничивать надёжность ответов и качество выполнения сложных задач; заявленные возможности агента не сопровождаются подробными результатами оценки.

Сценарии применения

  • ответы на вопросы и диалоги на индонезийском языке
  • написание и объяснение кода на Python, JavaScript, Rust, Go и SQL
  • создание HTML- и CSS-страниц и приложений на React или Next.js
  • поиск и исправление ошибок в коде
  • помощь в решении задач и структурировании ответов

Ограничения

Модель дообучена на наборе более чем из 68 диалогов, поэтому качество на сложных запросах может быть ограничено. Заявленные агентные возможности и компетенции в программировании не подкреплены в карточке результатами оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🧠 Aurum Brain AI

Custom fine-tuned model dari Qwen2.5-1.5B-Instruct untuk Bahasa Indonesia, coding, dan percakapan pintar.

Spesifikasi

  • Base: Qwen/Qwen2.5-1.5B-Instruct
  • Fine-tune: LoRA r=16, alpha=32
  • Bahasa: Indonesia (native)
  • Format: PyTorch (safetensors)

Kemampuan

  • 🇮🇩 Bahasa Indonesia natural
  • 💻 Coding expert (Python, JS, Rust, Go, SQL, dll)
  • 🌐 Web Development (HTML, CSS, React, Next.js)
  • 🧠 Problem Solving & debugging
  • 🤖 Agent AI capabilities

Cara Pakai via HF Inference API

from huggingface_hub import InferenceClient

client = InferenceClient(model="arissuga/aurum-brain-ai")
response = client.text_generation(
    "Halo, siapa kamu?",
    max_new_tokens=100,
)
print(response)

System Prompt

Lihat file system_prompt.txt di repo ini untuk personality AI.

Training

Auto-trained 8x/hari via GitHub Actions. Dataset: 68+ percakapan Bahasa Indonesia.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
f42bbd6

0 моделей

    Создать бенчмарк