Характеристики

Контекст: 32 768 токенов
Параметры: 1,5 млрд
Архитектура: qwen2 · dense
Базовая модель: Qwen2.5-1.5B-Instruct
Библиотека: transformers
Опубликована: 29 сен 2026

Ссылки

Hugging Face

my-first-moe-3b

chubakur

Генерация текстаТекст → текст13 профессий

Объединённая методом SLERP компактная модель Qwen2 для диалогов, генерации текста и запросов, связанных с кодом.

172скачиваний за 30 дней0лайковвеса обновлены29 сен 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

my-first-moe-3b — объединённая языковая модель, созданная автором репозитория chubakur с помощью mergekit и метода SLERP на основе Qwen/Qwen2.5-1.5B-Instruct и Qwen/Qwen2.5-Coder-1.5B-Instruct. Несмотря на название, в метаданных архитектура указана как плотная Qwen2ForCausalLM с 1,5 млрд параметров, а не MoE.

Модель предназначена для генерации текста и диалогов; объединение инструктивной и кодовой моделей может быть полезно для обычных запросов и задач с программным кодом. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Файлы представлены в формате safetensors и рассчитаны на использование с Transformers; в метаданных также отмечен интерфейс вызова инструментов.

В карточке не приведены результаты оценки качества или подробные сведения о поддерживаемых языках. Лицензия в предоставленных данных не указана.

Сценарии применения

ответы на вопросы в диалоговом интерфейсе
генерация и продолжение текста
помощь с написанием программного кода
формирование структурированных ответов
эксперименты с объединением инструктивных и кодовых моделей

Ограничения

В README и метаданных нет результатов оценки качества или перечня поддерживаемых языков; практическую надёжность ответов и качество работы с кодом по этим данным оценить нельзя. Лицензия в предоставленных данных не указана.

Для каких профессий подходит13

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 385моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_first_moe_model

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

merge_method: slerp
base_model: Qwen/Qwen2.5-1.5B-Instruct
dtype: bfloat16

parameters:
  t: 0.5  # Добавили обязательный параметр смешивания для метода slerp

slices:
  - sources:
      - model: Qwen/Qwen2.5-1.5B-Instruct
        layer_range: [0, 28]
        positive_prompts:
          - "Привет, давай пообщаемся"
          - "Напиши стих или рассказ"
          - "Объясни сложную концепцию простыми словами"
          - "Ответь на вопрос по истории или географии"
      - model: Qwen/Qwen2.5-Coder-1.5B-Instruct
        layer_range: [0, 28]
        positive_prompts:
          - "Напиши код на Python, C++, JavaScript"
          - "Исправь ошибку в функции"
          - "Напиши SQL запрос для базы данных"
          - "Разверни алгоритм сортировки"

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen2ForCausalLM
Ревизия весов: dcb379a