/ 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
4 сен 2026

Ссылки

Hugging Face

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

ferrazzipietro
Генерация текстаТекст → текст6 профессий

Компактная дообученная модель Llama 3.2 для диалогов и генерации текста, включая ответы на вопросы, пересказ и помощь в написании.

58скачиваний за 30 дней0лайковвеса обновлены4 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 компактная инструкция-настроенная языковая модель семейства Llama 3.2, разработанная на основе meta-llama/Llama-3.2-1B-Instruct и дообученная автором репозитория на неизвестном датасете. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; для работы предусмотрена библиотека Transformers.

Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, краткого пересказа и помощи в написании текста. Метаданные указывают контекст до 131 072 токенов и многоязычную основу, однако языки и специализация именно этого дообучения не описаны.

Карточка не содержит сведений о качестве, обучающих данных или известных ограничениях дообученной версии. Лицензия — llama3.2; использование должно соответствовать её условиям.

Сценарии применения

  • ответы на вопросы в диалоге
  • краткий пересказ текста
  • черновики и продолжение текста
  • диалоговый помощник общего назначения

Ограничения

Датасет дообучения и результаты оценки не описаны, поэтому качество и профильные ограничения этой версии не установлены. Языки дообучения также не указаны.

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 341модельIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

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-en

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
  • num_devices: 2
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 512
  • 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
fd07788

0 моделей

    Создать бенчмарк