/ Модель

Характеристики

Контекст
131 072 токена
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
27 авг 2026

computer-9a

Генерация текстаТекст → текст3 профессии

Исследовательская модель Llama, обученная с подкреплением для выполнения терминальных задач через текстовый цикл взаимодействия с инструментом.

11скачиваний за 30 дней0лайковвеса обновлены27 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-9a — плотная авторегрессионная языковая модель семейства Llama на 69,5 млрд параметров, представленная в виде исследовательского чекпойнта на шаге обучения 60. Модель обучали с подкреплением на автоматически проверяемых задачах работы в терминале, сохраняя близость к разговорной родительской политике. Она принимает текстовые запросы и наблюдения среды и генерирует текст, включая возможные команды оболочки. Контекст — до 131 072 токенов; веса сохранены в формате bfloat16 в виде шардированного safetensors.

Модель предназначена для экспериментов с выполнением терминальных задач и управлением компьютером через цикл «запрос — вызов инструмента — результат среды». Выполнение команд не встроено в веса: приложение должно распознавать вызовы, запускать их в изолированной среде и передавать модели результаты. Ответы часто краткие, а качество на терминальных задачах и фиксированных проверках нестабильно; модель может предлагать разрушительные команды или неверно описывать их эффекты и не является надёжным универсальным агентом. Разработчик и лицензия в карточке не уточнены; метаданные указывают лицензию other, поэтому условия использования следует проверять у правообладателя.

Сценарии применения

  • эксперименты с выполнением команд в терминале
  • проверка взаимодействия языковой модели с bash-инструментом
  • оценка выполнения многошаговых задач в изолированной командной среде

Ограничения

Это ранний исследовательский чекпойнт с нестабильным качеством; он может выдавать разрушительные команды, ошибочно интерпретировать результаты и не справляться с точными многоэтапными задачами. Подключать его следует только к изолированной среде с минимальными привилегиями; лицензия обозначена как other.

Для каких профессий подходит3

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-9a

Computer-9a is the step-60 policy from an online terminal reinforcement-learning experiment. It is a full-weight bfloat16 causal language model exported from the exact retained FSDP checkpoint used for evaluation.

The training environment presented a bash tool through textual <tool name="bash">...</tool> calls and returned textual <tool_result name="bash">...</tool_result> observations. The model was optimized on automatically verified terminal tasks while regularizing against a conversational parent policy.

Prompt format

The experiment used an explicit transcript header and role markers:

**User:** ...

**Model C:** ...

**Environment:** <tool_result name="bash">...</tool_result>

Tool execution is not built into the weights. Applications must parse tool calls, execute them in an appropriately isolated sandbox, append the tool result, and generate the next model turn.

Safety and limitations

This is a research checkpoint. It can emit shell commands and should only be connected to a strongly isolated, least-privilege environment. It may make destructive requests, hallucinate command effects, contradict visible tool traces, or fail exact multi-stage tasks. Do not give it credentials, unrestricted network access, or access to valuable files.

The model often produces terse answers. Its terminal-task performance and fixed-probe performance are noisy, and this checkpoint should not be interpreted as a generally reliable computer-use agent.

Checkpoint identity

  • Training step: 60
  • Export dtype: bfloat16
  • Source checkpoint: retained-checkpoint-60
  • Export format: sharded safetensors

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
3f7fe2e

0 моделей