/ 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-4H-256I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель на основе Llama 3.3, дообученная для генерации текста по запросу.

98скачиваний 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. Репозиторий содержит архитектуру LlamaForCausalLM и веса в формате safetensors. Несмотря на базовую модель размером 70 млрд параметров, в метаданных этой версии указано 198 тыс. параметров и контекст 256 токенов; поэтому её нельзя считать полной копией базовой модели такого размера.

Модель предназначена для генерации текста по текстовому запросу. В README указана оценка Loss 1.1502 на тестовом наборе, однако набор данных и сценарии применения не описаны. Для использования заявлена лицензия Llama 3.3; применяются условия лицензии Meta.

Сценарии применения

  • эксперименты с генерацией текста
  • оценка поведения дообученной модели Llama
  • тестирование генерации на коротком контексте

Ограничения

В README не описаны назначение дообучения, обучающие данные и ограничения; приведена только оценка Loss 1.1502. Контекст модели ограничен 256 токенами, а указанное число параметров 198 тыс. сильно отличается от размера базовой модели.

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-99-64D-3L-4H-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: 1.1502

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 log003.0369
1.92540.06405001.8656
1.69820.128010001.6823
1.49580.192015001.4844
1.42850.256020001.4215
1.3980.320025001.3962
1.38140.384030001.3773
1.35410.448035001.3426
1.26790.512040001.2678
1.25230.576045001.2476
1.24190.640050001.2487
1.22830.704055001.2312
1.22990.768060001.2277
1.22180.831965001.2215
1.21810.895970001.2137
1.21540.959975001.2175
1.21191.023980001.2137
1.20891.087985001.2070
1.20541.151990001.2084
1.20241.215995001.2025
1.20041.2799100001.2030
1.19941.3439105001.1974
1.19551.4079110001.1944
1.19561.4719115001.1962
1.19131.5359120001.1901
1.18961.5999125001.1879
1.18711.6639130001.1874
1.18391.7279135001.1828
1.17991.7919140001.1795
1.17511.8559145001.1783
1.17651.9199150001.1770
1.17371.9839155001.1726
1.17052.0479160001.1693
1.16652.1119165001.1657
1.16572.1759170001.1660
1.16312.2399175001.1639
1.16262.3039180001.1629
1.16192.3678185001.1615
1.1612.4318190001.1611
1.15932.4958195001.1596
1.15892.5598200001.1580
1.16072.6238205001.1576
1.1562.6878210001.1568
1.15722.7518215001.1622
1.15572.8158220001.1556
1.15612.8798225001.1557
1.15442.9438230001.1541
1.15453.0078235001.1538
1.15443.0718240001.1545
1.1543.1358245001.1533
1.15263.1998250001.1529
1.15193.2638255001.1526
1.15323.3278260001.1525
1.15283.3918265001.1526
1.15113.4558270001.1518
1.15233.5198275001.1513
1.15163.5838280001.1511
1.15083.6478285001.1513
1.15153.7118290001.1509
1.153.7758295001.1507
1.153.8398300001.1506
1.15043.9038305001.1504
1.15063.9677310001.1504
1.15074.0317315001.1504
1.15144.0957320001.1503
1.14974.1597325001.1503
1.1514.2237330001.1502
1.15094.2877335001.1502
1.15074.3517340001.1502
1.14974.4157345001.1502
1.14994.4797350001.1502
1.1524.5437355001.1502
1.14944.6077360001.1502
1.14974.6717365001.1502
1.15054.7357370001.1501
1.15034.7997375001.1502
1.1514.8637380001.1502
1.14984.9277385001.1502
1.1494.9917390001.1502

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
a8f3df7

0 моделей

    Создать бенчмарк