/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
197 952
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-99-64D-3L-2H-256I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт на основе Llama 3.3 70B Instruct для генерации текста с контекстом 256 токенов.

82скачиваний 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 для генерации текста на основе Meta Llama 3.3 70B Instruct. Репозиторий содержит архитектуру LlamaForCausalLM и веса в формате safetensors. По метаданным модели всего 198 тыс. параметров, а её нативный контекст составляет 256 токенов, что резко отличается от характеристик базовой 70-миллиардной модели и ограничивает практическую область применения этого чекпойнта.

Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 1,1934 на оценочной выборке, но не описывает назначение, обучающие данные или сценарии использования. Поэтому модель можно классифицировать только как генератор текста; её качество и пригодность для конкретных задач по имеющимся сведениям оценить нельзя. Лицензия указана как llama3.3.

Сценарии применения

  • эксперименты с генерацией текста на коротком контексте
  • проверка загрузки и инференса модели семейства Llama
  • оценка поведения дообученного чекпойнта на текстовых запросах

Ограничения

Обучающий набор данных, целевое назначение и подробная оценка качества не описаны; указан лишь loss 1,1934. Контекст ограничен 256 токенами, а метаданные указывают 198 тыс. параметров, поэтому характеристики базовой 70-миллиардной модели к этому чекпойнту напрямую неприменимы.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.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

Llama-3.3-70B-Instruct-3d-1M-100K-0.1-reverse-padzero-plus-mul-sub-99-64D-3L-2H-256I

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: 1.1934

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 log003.0145
1.94650.06405001.8987
1.71490.128010001.7049
1.6070.192015001.6057
1.42680.256020001.4131
1.33480.320025001.3285
1.29810.384030001.3077
1.27750.448035001.2770
1.25910.512040001.2590
1.25390.576045001.2523
1.25040.640050001.2467
1.2420.704055001.2432
1.24110.768060001.2380
1.23430.831965001.2366
1.23450.895970001.2336
1.22980.959975001.2267
1.22391.023980001.2236
1.22041.087985001.2178
1.21521.151990001.2179
1.21281.215995001.2134
1.21121.2799100001.2122
1.20891.3439105001.2087
1.20741.4079110001.2077
1.21051.4719115001.2072
1.20531.5359120001.2046
1.20551.5999125001.2060
1.20391.6639130001.2030
1.20291.7279135001.2020
1.2011.7919140001.2008
1.19971.8559145001.2013
1.20171.9199150001.2000
1.20211.9839155001.2007
1.19942.0479160001.1986
1.19752.1119165001.1990
1.19852.1759170001.1977
1.1972.2399175001.1980
1.1972.3039180001.1966
1.19732.3678185001.1965
1.19632.4318190001.1964
1.19652.4958195001.1966
1.19712.5598200001.1967
1.19842.6238205001.1961
1.1942.6878210001.1956
1.19642.7518215001.1952
1.19542.8158220001.1951
1.19582.8798225001.1954
1.19482.9438230001.1947
1.19483.0078235001.1951
1.19533.0718240001.1943
1.19573.1358245001.1945
1.19383.1998250001.1942
1.1933.2638255001.1942
1.19573.3278260001.1939
1.1953.3918265001.1939
1.19253.4558270001.1938
1.19483.5198275001.1938
1.19413.5838280001.1937
1.19313.6478285001.1936
1.19423.7118290001.1936
1.19273.7758295001.1936
1.19223.8398300001.1935
1.19323.9038305001.1935
1.19453.9677310001.1935
1.19394.0317315001.1935
1.19494.0957320001.1935
1.19184.1597325001.1934
1.19414.2237330001.1934
1.1954.2877335001.1934
1.19534.3517340001.1934
1.19274.4157345001.1934
1.19354.4797350001.1934
1.19554.5437355001.1934
1.19314.6077360001.1934
1.19274.6717365001.1934
1.19374.7357370001.1934
1.19364.7997375001.1934
1.19514.8637380001.1934
1.19334.9277385001.1934
1.19194.9917390001.1934

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
dbf83c1

0 моделей

    Создать бенчмарк