/ Модель

Характеристики

Контекст
131 072 токена
Параметры
506 млн
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B-Instruct
Библиотека
transformers
Опубликована
3 июн 2026

Llama-3.2-0.5B-Instruct

Генерация текстаТекст → текст3 профессии

Уменьшенная до 505,9 млн параметров и дообученная версия Llama 3.2 1B Instruct для тестирования диалоговой генерации и инференса.

16 562скачиваний за 30 дней1лайквеса обновлены3 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.

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

Llama-3.2-0.5B-Instruct — компактная плотная языковая модель семейства Llama, опубликованная inference-optimization. Это уменьшенная и дообученная версия meta-llama/Llama-3.2-1B-Instruct: число слоёв сокращено с 16 до 4, а размер составляет около 505,9 млн параметров. Модель работает с текстом и предназначена для диалоговой генерации и проверки загрузки и инференса в разработке.

Карточка сообщает о дообучении на небольшом наборе интернет-копипаст и прямо указывает, что модель предназначена для тестирования и разработки, а не для production. Метаданные указывают контекст до 131 072 токенов и библиотеку Transformers. Унаследованные возможности и языки базовой модели не подтверждают, что они полноценно сохранены в этой уменьшенной версии.

Репозиторий содержит веса Safetensors. Лицензия — MIT. Из-за малого числа слоёв и дообучения на игрушечном корпусе модель не подходит для надёжных ответов общего назначения; качество и широта навыков не установлены приведёнными данными.

Сценарии применения

  • проверка загрузки модели в Transformers
  • тестирование текстовой генерации в экспериментальном окружении
  • разработка прототипов диалоговых приложений
  • проверка пайплайна инференса для моделей семейства Llama

Ограничения

Модель создана для тестирования и разработки, а не для production; она дообучена на небольшом игрушечном корпусе, поэтому её ответы и навыки общего назначения могут быть ненадёжными. Поддерживаемые языки в данных этой версии не подтверждены.

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

Llama-3.2-0.5B-Instruct

This is a tiny version of meta-llama/Llama-3.2-1B-Instruct created for testing and development.

Model Details

  • Base Model: meta-llama/Llama-3.2-1B-Instruct
  • Architecture: llama
  • Total Parameters: 0.51B
  • Activated Parameters: 0.51B (non-MoE)

Configuration Changes

The following parameters were reduced from the original model:

ParameterOriginalTiny
num_hidden_layers164
hidden_size20482048
intermediate_size81928192
num_attention_heads3232
num_key_value_heads88

Checkpoint Structure

This model uses a single model.safetensors file containing all weights. The checkpoint structure is identical to the original model, with the standard Llama architecture tensors:

  • model.embed_tokens.weight
  • model.layers.*.self_attn.{q,k,v,o}_proj.weight
  • model.layers.*.mlp.{gate,up,down}_proj.weight
  • model.layers.*.{input,post_attention}_layernorm.weight
  • model.norm.weight

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("inference-optimization/Llama-3.2-0.5B-Instruct", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("inference-optimization/Llama-3.2-0.5B-Instruct")

input_ids = tokenizer("According to all known laws", return_tensors="pt").input_ids.to(model.device)
output = model.generate(input_ids, max_new_tokens=20)
print(tokenizer.decode(output[0]))

Validation

Success: 1.0247299671173096 <= 10.0

==================================================
Generating sample text:
According to all known laws of aviation, there is no way a bee should be able to fly
==================================================

Creation Process

This model was created using the llm-compressor create-tiny-model claude skill:

  1. Inspected the original model configuration to identify key parameters
  2. Created a tiny version by reducing num_hidden_layers from 16 to 4
  3. Fine-tuned the model on a toy dataset (famous copypastas) to validate learning capability
  4. Achieved target perplexity of ~1.02 on the validation text
  5. Validated checkpoint structure matches the original model format
  6. Confirmed successful loading and inference

Notes

  • This model was fine-tuned on a small corpus of internet copypastas to ensure it can learn effectively
  • The model maintains the same Llama 3.2 architecture (including RoPE parameters) as the base model, just with fewer layers
  • Due to the reduced layer count, this model has approximately 25% of the original model's parameters
  • This is intended for development and testing purposes, not production use

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
733a543

0 моделей