/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
526 976
Лицензия
Llama 3.3
Архитектура
llama · dense
Базовая модель
Llama-3.3-70B-Instruct
Библиотека
transformers
Опубликована
27 фев 2026

Ссылки

Hugging Face

Llama-3.3-70B-Instruct-3d-1M-100K-0.1-reverse-padzero-plus-mul-sub-99-128D-2L-8H-512I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель на основе Llama 3.3 70B для генерации текста.

102скачиваний за 30 дней0лайковвеса обновлены27 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

Экспериментальная дообученная модель на архитектуре LlamaForCausalLM, созданная на основе meta-llama/Llama-3.3-70B-Instruct. Репозиторий содержит 527 тыс. параметров и файлы в формате safetensors; контекст модели — 256 токенов. Она предназначена для генерации текста, однако README не описывает конкретные сценарии и сообщает только значение loss 1,0986 на наборе оценки.

Модель использует лицензию Llama 3.3. Данные обучения и подробности настройки не описаны, поэтому качество и пригодность для практических задач по карточке оценить нельзя.

Сценарии применения

  • эксперименты с генерацией текста
  • проверка работы компактного чекпойнта на архитектуре Llama
  • оценка генерации на собственных коротких запросах

Ограничения

Описание, обучающие данные и конкретные возможности не раскрыты; приведён только loss 1,0986 на оценочном наборе. Указанные 527 тыс. параметров и контекст 256 токенов существенно расходятся с характеристиками базовой модели на 70 млрд параметров и контекстом до 128 тыс. токенов, поэтому применимость и происхождение опубликованных весов требуют 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-2L-8H-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: 1.0986

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 log003.0906
1.77690.06405001.7594
1.51630.128010001.4832
1.4150.192015001.4071
1.37820.256020001.3831
1.36150.320025001.3645
1.35110.384030001.3488
1.24380.448035001.2387
1.21190.512040001.2105
1.20090.576045001.2000
1.1870.640050001.1869
1.17540.704055001.1760
1.16790.768060001.1664
1.16220.831965001.1620
1.16330.895970001.1619
1.15930.959975001.1587
1.15721.023980001.1593
1.15541.087985001.1543
1.15261.151990001.1524
1.15061.215995001.1506
1.15061.2799100001.1497
1.15011.3439105001.1487
1.14621.4079110001.1462
1.14731.4719115001.1452
1.14641.5359120001.1444
1.14531.5999125001.1450
1.14351.6639130001.1454
1.14211.7279135001.1415
1.14181.7919140001.1413
1.13871.8559145001.1398
1.1411.9199150001.1417
1.13771.9839155001.1367
1.1372.0479160001.1362
1.1352.1119165001.1351
1.1352.1759170001.1347
1.13232.2399175001.1332
1.13252.3039180001.1335
1.13172.3678185001.1302
1.12932.4318190001.1292
1.12792.4958195001.1271
1.12792.5598200001.1272
1.12642.6238205001.1262
1.12242.6878210001.1229
1.12352.7518215001.1221
1.11992.8158220001.1192
1.11822.8798225001.1183
1.11482.9438230001.1153
1.1143.0078235001.1129
1.11313.0718240001.1128
1.10993.1358245001.1105
1.10893.1998250001.1090
1.10793.2638255001.1077
1.10633.3278260001.1063
1.10533.3918265001.1053
1.10353.4558270001.1044
1.10343.5198275001.1037
1.10243.5838280001.1023
1.10173.6478285001.1015
1.10193.7118290001.1010
1.10013.7758295001.1006
1.09993.8398300001.1001
1.09983.9038305001.0997
1.09933.9677310001.0996
1.10054.0317315001.0992
1.09974.0957320001.0991
1.09944.1597325001.0989
1.09964.2237330001.0988
1.09814.2877335001.0988
1.09824.3517340001.0987
1.09794.4157345001.0987
1.09794.4797350001.0986
1.09954.5437355001.0986
1.09744.6077360001.0986
1.09774.6717365001.0986
1.09824.7357370001.0986
1.09874.7997375001.0986
1.09824.8637380001.0986
1.09824.9277385001.0986
1.0984.9917390001.0986

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
7fa223e

0 моделей

    Создать бенчмарк