/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B-Instruct
Библиотека
transformers
Опубликована
3 сен 2026

Ссылки

Hugging Face

Llama-3.2-1B-Instruct-reas-int-065-3-epochs

ferrazzipietro
Генерация текстаТекст → текст6 профессий

Дообученная компактная модель Llama 3.2 для диалоговой генерации текста, ответов на вопросы, суммаризации и помощи в написании.

180скачиваний за 30 дней0лайковвеса обновлены3 сен 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

Это дообученная модель диалогового семейства Llama 3.2 от Meta, созданная на основе meta-llama/Llama-3.2-1B-Instruct. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и предназначена для генерации текста в формате диалога. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста — до 131 072 токенов.

Модель можно применять для диалоговых ответов, поиска сведений, суммаризации и помощи в написании текста — эти сценарии унаследованы от базовой модели. Данные дообучения и его конкретная цель в карточке не раскрыты, поэтому специализированные преимущества этой версии определить нельзя. Репозиторий использует Transformers и формат safetensors. Лицензия — Llama 3.2; применение должно соответствовать её условиям.

Сценарии применения

  • диалоговые ответы на текстовые запросы
  • поиск сведений и ответы на вопросы
  • суммаризация текстов
  • помощь в написании и редактировании текста

Ограничения

Данные обучения и специализированная цель дообучения не описаны, поэтому качество для конкретных областей не установлено. Следует учитывать условия лицензии Llama 3.2.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.2-1B-Instruct-reas-int-065-3-epochs

This model is a fine-tuned version of meta-llama/Llama-3.2-1B-Instruct on an unknown dataset.

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: 5e-06
  • train_batch_size: 4
  • eval_batch_size: 256
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.95) and epsilon=1e-12 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Framework versions

  • Transformers 4.57.0
  • Pytorch 2.14.0+cu130
  • Datasets 5.0.1
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
9b34ff3

0 моделей

    Создать бенчмарк