/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
264 832
Лицензия
Llama 3.3
Архитектура
llama · dense
Базовая модель
Llama-3.3-70B-Instruct
Библиотека
transformers
Опубликована
26 фев 2026

Ссылки

Hugging Face

Llama-3.3-70B-Instruct-3d-1M-100K-0.1-reverse-padzero-plus-mul-sub-99-128D-1L-4H-512I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная модель Llama 3.3 для генерации текста с контекстом 256 токенов.

105скачиваний за 30 дней0лайковвеса обновлены26 фев 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

Это экспериментальная дообученная модель семейства Llama 3.3, созданная на основе meta-llama/Llama-3.3-70B-Instruct. В карточке указано, что она обучалась на неизвестном наборе данных; название репозитория содержит параметры эксперимента, но README не объясняет их значение. Метаданные указывают архитектуру LlamaForCausalLM, формат safetensors и размер 264,8 тыс. параметров, который не согласуется с названием базовой модели на 70 млрд параметров.

Модель предназначена для генерации текста. В README приведено значение loss 1,3622 на оценочном наборе, однако набор данных, методика оценки и предполагаемые сценарии применения не описаны. Контекст модели — 256 токенов. Указана лицензия llama3.3; следует учитывать условия лицензии Meta Llama 3.3 при использовании производной модели.

Сценарии применения

  • генерация продолжения текста
  • ответы в текстовом диалоге
  • эксперименты с арифметическими операциями в генерации текста

Ограничения

Данные обучения и целевые сценарии не описаны; приведено только значение loss без методики оценки. Указанный размер 264,8 тыс. параметров противоречит названию базовой модели на 70 млрд параметров, поэтому размер требует проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.3-70B-Instruct-3d-1M-100K-0.1-reverse-padzero-plus-mul-sub-99-128D-1L-4H-512I

This model is a fine-tuned version of meta-llama/Llama-3.3-70B-Instruct on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.3622

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.001
  • train_batch_size: 128
  • eval_batch_size: 128
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
No log003.0591
1.81220.06405001.7977
1.58970.128010001.5791
1.53920.192015001.5382
1.46050.256020001.4562
1.43840.320025001.4356
1.42880.384030001.4266
1.42220.448035001.4205
1.40480.512040001.4108
1.39620.576045001.3939
1.39280.640050001.3884
1.38550.704055001.3866
1.38550.768060001.3831
1.37970.831965001.3809
1.37990.895970001.3785
1.37880.959975001.3774
1.3781.023980001.3782
1.3761.087985001.3755
1.37511.151990001.3756
1.37391.215995001.3747
1.37481.2799100001.3729
1.3731.3439105001.3723
1.37181.4079110001.3719
1.37181.4719115001.3718
1.37071.5359120001.3699
1.37061.5999125001.3696
1.36931.6639130001.3691
1.3691.7279135001.3686
1.36741.7919140001.3675
1.36661.8559145001.3678
1.36911.9199150001.3676
1.36821.9839155001.3668
1.36672.0479160001.3667
1.36572.1119165001.3660
1.36552.1759170001.3659
1.36462.2399175001.3657
1.3652.3039180001.3654
1.3662.3678185001.3650
1.36472.4318190001.3647
1.36482.4958195001.3645
1.3652.5598200001.3645
1.36572.6238205001.3643
1.36342.6878210001.3639
1.36452.7518215001.3641
1.36382.8158220001.3636
1.36412.8798225001.3638
1.36352.9438230001.3634
1.36313.0078235001.3634
1.36353.0718240001.3631
1.36343.1358245001.3632
1.36293.1998250001.3630
1.36233.2638255001.3629
1.3643.3278260001.3628
1.3633.3918265001.3629
1.36183.4558270001.3626
1.36323.5198275001.3626
1.36263.5838280001.3625
1.36233.6478285001.3625
1.36273.7118290001.3624
1.36133.7758295001.3624
1.36143.8398300001.3624
1.3623.9038305001.3623
1.36273.9677310001.3623
1.36254.0317315001.3623
1.36314.0957320001.3623
1.36154.1597325001.3623
1.3634.2237330001.3623
1.36354.2877335001.3623
1.36344.3517340001.3622
1.36124.4157345001.3622
1.36224.4797350001.3622
1.36354.5437355001.3622
1.36124.6077360001.3622
1.36134.6717365001.3622
1.36274.7357370001.3622
1.36224.7997375001.3622
1.36344.8637380001.3622
1.36184.9277385001.3622
1.36084.9917390001.3622

Framework versions

  • Transformers 4.57.1
  • Pytorch 2.9.0+cu128
  • Datasets 4.5.0
  • Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
3cbf889

0 моделей

    Создать бенчмарк