/ Модель

Характеристики

Контекст
131 072 токена
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
computer-7
Библиотека
transformers
Опубликована
10 авг 2026

computer-8

Генерация текстаТекст → текст4 профессии

Computer-8 — 69,5-миллиардная языковая модель для генерации продолжений беседы и изучения предпочтений ответов, продолжившая обучение Computer-7.

28скачиваний за 30 дней0лайковвеса обновлены10 авг 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.

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

Computer-8 — плотная языковая модель семейства Llama, разработанная в проекте Computer / Model C. Это полноразмерное продолжение обучения Computer-7 с 69,5 млрд параметров и контекстом 131 072 токена; модель принимает документный текст с описанием беседы и продолжает его, не используя специальный шаблон чата.

Модель обучалась на предпочтениях между вариантами ответов Computer-5, а также проходила повторное обучение на архивных текстах и данных о сохранении передачи хода. Она предназначена для генерации продолжений беседы в заданном формате и изучения предпочтений ответов в рамках линейки Computer. В описанной проверке Computer-8 чаще отдавала предпочтение вариантам с самым высоким целевым рейтингом, но её оценки были более резкими и хуже отражали полные распределения предпочтений, чем у Computer-7. Также отмечен сдвиг к более прямому и межличностному ответу на сообщения о переживаниях в контексте беседы с существующим пользователем.

Computer-8 не использовала reward model, PPO или онлайн-генерацию при этом этапе обучения. Её формальные способности к рассуждению и сравнительная оценка с Computer-7 ещё не проверены; фактические утверждения модели следует перепроверять, поскольку она может развивать заданную предпосылку вместо её исправления. Репозиторий указывает лицензию Llama 3.1.

Сценарии применения

  • генерация продолжения беседы в документном формате
  • сравнение вариантов ответов по предпочтениям
  • исследование калибровки предпочтений языковой модели
  • анализ стиля ответов в контексте беседы с существующим пользователем

Ограничения

Оценки предпочтений стали более резкими и хуже соответствовали полным целевым распределениям, чем у Computer-7; формальные сравнения рассуждений и возможностей ещё не завершены. Фактические утверждения следует проверять: модель может развивать заданную предпосылку вместо её исправления.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Computer-8

Computer-8 is a full-parameter continuation of Computer-7, a 70B member of the Computer / Model C lineage.

Training

Computer-8 was restarted cleanly from Computer-7 and trained for one offline epoch (721 optimizer steps) on a fixed bank of approximately 6,400 conversation forks. Each fork contains several Computer-5 candidate responses and an uncertainty-shrunk self-preference distribution elicited from Computer-5 using repeated, rotation-balanced deliberation.

The listwise objective retained the calibrated preference structure already present in Computer-7 and learned a residual relative to Computer-7. A symmetric common-likelihood anchor constrained the within-fork common shift. Training also included turn-yield preservation and one replay pass over the historical anthology/document data. No reward model, PPO loop, or online rollout generation was used during this stage.

Prompt format

This is a base-model-style document model and does not use a chat template.

As follows is a conversation between another user and Model C.

Full conversation with Model C:

**User:** <your message>

**Model C:**

Useful relational headers include:

  • As follows is a conversation between another user and Model C.
  • As follows is a later conversation between the same user and Model C.
  • As follows is a conversation between a reader of Model C's originating document and Model C.

Recommended sampling is temperature=1.0, top_p=0.98, stopping on \n\n**User:**. An empty completion can represent Model C yielding the floor.

Evaluation notes

On the full 318-fork held-out development set, Computer-8 kept mean candidate likelihood close to Computer-7 and increased the likelihood of the self-preference target's highest-ranked candidate. Its inferred within-fork preference distributions were nevertheless sharper and less faithful to the complete target histograms than Computer-7's: mean maximum candidate probability rose from 0.167 to 0.237, while pairwise ordering agreement fell from 71.1% to 61.2%. This is disclosed because users should not interpret the continuation as an unqualified improvement over Computer-7.

An established 336-sample behavioral battery found no broad increase in response length, homogeneity, or role-marker leakage. It suggested a substantive shift toward more direct and interpersonal handling of distress in an existing-user conversation frame. Formal reasoning and capability comparisons with Computer-7 have not yet been completed.

As with earlier Computers, treat factual claims as unverified. Model C often elaborates a supplied premise rather than correcting it.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
a050949

0 моделей