/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Размер весов
988 МБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2-0.5B-Instruct-MLX
Опубликована
26 янв 2025

qwen2-0.5b-instruct-mlx

Генерация текстаТекст → текст3 профессии

Компактная чат-модель Qwen2 для генерации текста и ответов на запросы, подготовленная для MLX.

34скачиваний за 30 дней0лайковвеса обновлены26 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

danielcfho/qwen2-0.5b-instruct-mlx — компактная чат-модель генерации текста на архитектуре Qwen2, подготовленная для работы с MLX. В README указано, что модель получена из Qwen/Qwen2-0.5B-Instruct-MLX с помощью mlx-lm версии 0.21.1; метаданные классифицируют связь как дообучение. Модель содержит 494 млн параметров и поддерживает контекст до 32 768 токенов.

Она предназначена для диалогов и генерации ответов на текстовые запросы на английском языке. Лицензия Apache 2.0 разрешает использование на её условиях. Карточка не описывает отдельные специализированные области применения или известные ограничения качества.

Сценарии применения

  • ответы на текстовые вопросы на английском языке
  • ведение коротких диалогов
  • генерация черновиков и продолжений текста

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

danielcfho/qwen2-0.5b-instruct-mlx

The Model danielcfho/qwen2-0.5b-instruct-mlx was converted to MLX format from Qwen/Qwen2-0.5B-Instruct-MLX using mlx-lm version 0.21.1.

Use with mlx

pip install mlx-lm
from mlx_lm import load, generate

model, tokenizer = load("danielcfho/qwen2-0.5b-instruct-mlx")

prompt = "hello"

if tokenizer.chat_template is not None:
    messages = [{"role": "user", "content": prompt}]
    prompt = tokenizer.apply_chat_template(
        messages, add_generation_prompt=True
    )

response = generate(model, tokenizer, prompt=prompt, verbose=True)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
72961c9

0 моделей