/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
19 июн 2026

Ссылки

Hugging Face

Terminal-data_querying

cuong1692001
Генерация текстаТекст → текст5 профессий

Дообученная Qwen3-8B для генерации текста в задачах запросов к данным.

11скачиваний за 30 дней0лайковвеса обновлены19 июн 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

Terminal-dataquerying — дообученная на базе Qwen/Qwen3-8B диалоговая языковая модель, созданная автором репозитория и обученная на наборах nemotron_easy_data_querying и nemotron_medium_data_querying. Она предназначена для генерации текста в сценариях запросов к данным; карточка не раскрывает конкретные форматы запросов или результаты оценки.

Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает текст, выдавая текст. Метаданные указывают контекст длиной до 40 960 токенов и библиотеку Transformers. Языковые возможности соответствуют базовой многоязычной модели Qwen3-8B, но отдельные языки для этой версии не перечислены. Указана лицензия other, поэтому конкретные условия использования следует сверить с файлами лицензии репозитория и базовой модели.

Сценарии применения

  • генерация запросов к данным по текстовому описанию
  • диалоговое уточнение запроса к данным

Ограничения

Карточка не описывает точные сценарии, метрики качества или ограничения модели. Лицензия обозначена как other, поэтому условия использования нужно проверить в репозитории.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Terminal-data_querying

This model is a fine-tuned version of Qwen/Qwen3-8B on the nemotron_easy_data_querying and the nemotron_medium_data_querying datasets.

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: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • total_train_batch_size: 4
  • total_eval_batch_size: 32
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • num_epochs: 2.0

Training results

Framework versions

  • Transformers 4.56.2
  • Pytorch 2.7.1+cu126
  • Datasets 4.0.0
  • 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
Qwen3ForCausalLM
Ревизия весов
db187cf

0 моделей

    Создать бенчмарк