Характеристики

Лицензия: Apache 2.0
Базовая модель: Qwen2.5-1.5B-Instruct
Опубликована: 24 авг 2026

Ссылки

bau-small-1.5b-GGUF

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель Qwen2.5 для локального бизнес-ассистента африканских магазинов, аптек и оптовых компаний с вызовом инструментов и генерацией структурированных ответов.

16скачиваний за 30 дней0лайковвеса обновлены24 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.

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

BAU Small 1.5B — языковая модель для локального бизнес-ассистента, разработанная на основе Qwen2.5-1.5B-Instruct и дообученная для африканских малых и средних предприятий в розничной торговле, фармацевтике, супермаркетах и оптовой торговле. Модель содержит 1,54 млрд параметров и распространяется в формате GGUF с 4-битной квантизацией Q4_K_M; файл занимает около 941 МБ, контекст — 2048 токенов.

Модель ведёт диалог, формирует структурированные вызовы инструмента для запросов к данным магазина и выдаёт JSON-карточки для интерфейса: графики, предупреждения, расписания смен и задачи. Она ориентирована на работу с продажами, запасами, партиями лекарств, сроками годности, кассовыми операциями и расходами, а также на финансовые показатели малого бизнеса, включая расчёты в нигерийских найрах. Компактный формат предназначен для локального офлайн-запуска через llama.cpp и совместимые приложения на CPU или GPU.

Модель дообучена с использованием LoRA; лицензия — Apache-2.0. Короткое контекстное окно ограничивает объём данных, который можно обработать за один запрос, а точность вызовов инструментов и деловых рекомендаций зависит от корректности интеграции и предоставленных данных.

Сценарии применения

запрос продаж и остатков через подключённую POS-систему
поиск партий лекарств с истекающим сроком годности
анализ расходов и кассовых расхождений магазина
подготовка графиков смен и автоматических задач в JSON
получение подсказок по запасам и финансовым показателям малого бизнеса

Ограничения

Контекст ограничен 2048 токенами. Вызовы инструментов требуют интеграции с системой магазина, а выводы зависят от полноты и точности переданных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели IV.7Отраслевые задачиЦепочки поставок, склады, логистика и международная торговляAI помогает планировать сеть поставок, склады, перевозки и международное движение товаров.42 задачи392модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🧠 BAU Small 1.5B (GGUF Q4_K_M)

BAU Small 1.5B (bau-small-1.5b.gguf) is a specialized on-device intelligence copilot model fine-tuned on Qwen2.5-1.5B-Instruct for African retail, pharmacy, supermarket, and wholesale SMEs.

🎯 Key Capabilities

Tool Calling & Structured Retrieval: Generates precise <tool_call>{"name": "queryStoreData", "arguments": {...}}</tool_call> commands to query live POS sales, inventory batches, expiring pharmaceuticals, cashier voids, and expense ledgers.
Generative UI JSON Cards: Synthesizes structured widget cards (GENERATIVE_CHART, RED_FLAG_ALERT, SHIFT_SCHEDULE, AUTO_TASK) directly into its response.
African SME Financial Intelligence: Deep domain knowledge of Nigerian Naira (₦), GMROI, Cash Conversion Cycle (CCC), EOQ, blind cashier drawer reconciliation, and ATS cold-chain protocols.
Ultra-Fast On-Device Footprint: Quantized in Q4_K_M (~941 MB) for sub-second offline inference on CPU & GPU (Electron, llama.cpp, node-llama-cpp, Ollama).

🚀 Quickstart with node-llama-cpp / llama.cpp

System Prompt

You are Neurons AI, an intelligent business copilot for African retail, wholesale, and pharmacy SMEs. You have access to the tool `queryStoreData(resource, query, filter)` to inspect sales, inventory, staff, expenses, invoices, and tasks. Always call tools when store numbers are needed. Use Naira (₦) for currency.

Direct CLI Inference

llama-cli -m bau-small-1.5b.gguf -p "<|im_start|>system\nYou are Neurons AI, an intelligent business copilot for African retail and SME stores.<|im_end|>\n<|im_start|>user\nShow me today's sales breakdown by payment method.<|im_end|>\n<|im_start|>assistant\n" -c 2048 --temp 0.3

Model Details

Base Architecture: Qwen2.5-1.5B-Instruct
Parameters: 1.54B (LoRA Rank 16, Alpha 32)
Quantization: Q4_K_M (4-bit Medium)
File Size: ~941 MB
Context Length: 2048 tokens

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов: 97a76b5