/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
66 880
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-0.2-reverse-padzero-plus-mul-sub-99-64D-1L-4H-256I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Дообученная на базе Llama 3.3 модель генерации текста с контекстом 256 токенов.

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 дообученная модель генерации текста на архитектуре Llama, созданная на основе meta-llama/Llama-3.3-70B-Instruct. В карточке указана версия с 66,9 тыс. параметров и контекстом 256 токенов; опубликована в формате Safetensors для библиотеки Transformers.

Модель предназначена для генерации текста. README сообщает о дообучении на неизвестном наборе данных и приводит значение loss 1,4380 на оценочном наборе, но не описывает целевые сценарии или результаты в прикладных задачах. Унаследованная базовая модель — мультиязычная инструктивная модель Meta для диалогов и генерации текста, однако эти свойства нельзя уверенно приписать этому чекпойнту с учётом указанного размера и короткого контекста.

Лицензия — Llama 3.3; применяются её условия. В карточке нет сведений о назначении обучения, поэтому качество и пригодность для конкретных задач не подтверждены.

Сценарии применения

  • эксперименты с генерацией текста
  • проверка работы небольших языковых чекпойнтов
  • оценка loss на собственных текстовых примерах

Ограничения

Данные дообучения и целевые сценарии не описаны, поэтому прикладное качество модели не установлено. Контекст составляет 256 токенов; заявленный размер 66,9 тыс. параметров расходится с размером базовой модели на 70 млрд параметров.

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 000моделейI.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-0.2-reverse-padzero-plus-mul-sub-99-64D-1L-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: 1.4380

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 log003.0394
2.01980.06405001.8950
1.78070.128010001.7731
1.63820.192015001.6180
1.5590.256020001.5580
1.54810.320025001.5455
1.54320.384030001.5420
1.53970.448035001.5382
1.53580.512040001.5363
1.53230.576045001.5338
1.53010.640050001.5299
1.52780.704055001.5271
1.52470.768060001.5242
1.52250.831965001.5220
1.51960.895970001.5201
1.51870.959975001.5196
1.51591.023980001.5154
1.48721.087985001.4853
1.47251.151990001.4732
1.46511.215995001.4642
1.46131.2799100001.4611
1.45871.3439105001.4577
1.45551.4079110001.4578
1.45641.4719115001.4558
1.45351.5359120001.4533
1.45031.5999125001.4517
1.45131.6639130001.4518
1.45031.7279135001.4510
1.44831.7919140001.4485
1.44891.8559145001.4476
1.44721.9199150001.4471
1.44691.9839155001.4486
1.44842.0479160001.4471
1.44622.1119165001.4449
1.44542.1759170001.4456
1.44462.2399175001.4440
1.44412.3039180001.4440
1.44262.3678185001.4436
1.44352.4318190001.4451
1.4432.4958195001.4418
1.44322.5598200001.4420
1.44172.6238205001.4415
1.4422.6878210001.4422
1.4442.7518215001.4408
1.44072.8158220001.4407
1.44152.8798225001.4407
1.43962.9438230001.4399
1.44163.0078235001.4405
1.44123.0718240001.4415
1.443.1358245001.4398
1.44023.1998250001.4396
1.443.2638255001.4420
1.43953.3278260001.4393
1.43943.3918265001.4391
1.43853.4558270001.4389
1.43933.5198275001.4389
1.4383.5838280001.4387
1.43913.6478285001.4386
1.43773.7118290001.4385
1.43883.7758295001.4384
1.43783.8398300001.4386
1.43983.9038305001.4382
1.43953.9677310001.4383
1.43974.0317315001.4382
1.43924.0957320001.4381
1.43764.1597325001.4381
1.43784.2237330001.4380
1.43684.2877335001.4380
1.4384.3517340001.4380
1.43784.4157345001.4380
1.43834.4797350001.4380
1.43864.5437355001.4380
1.43884.6077360001.4380
1.43784.6717365001.4380
1.43794.7357370001.4380
1.4384.7997375001.4380
1.4394.8637380001.4380
1.43854.9277385001.4380
1.4374.9917390001.4380

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
74e9ae0

0 моделей

    Создать бенчмарк