/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
1,6 млрд
Размер весов
16,9 ГБ
Архитектура
lfm2_moe · MoE
Базовая модель
LFM2.5-8B-A1B
Библиотека
transformers
Опубликована
12 июн 2026

LFM2.5-8B-A1B-Coder

Генерация текстаТекст → текст6 профессий

Дообученная MoE-модель на базе LiquidAI/LFM2.5-8B-A1B для генерации кода и решения мультиязычных практических задач программирования.

100скачиваний за 30 дней4лайкавеса обновлены14 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

LFM2.5-8B-A1B-Coder — дообученная и слитая с базовыми весами модель для генерации кода, созданная на основе LiquidAI/LFM2.5-8B-A1B. Автор карточки сообщает, что для настройки использовался LoRA-адаптер josephmayo/LFM2.5-8B-A1B-Coder-LoRA; обучение охватило 123 примера с реальными и мультиязычными задачами программирования. Архитектура — гибридная MoE для причинной генерации текста, размер по метаданным — 1,6 млрд параметров, формат весов — safetensors, библиотека — Transformers, контекст — до 128 000 токенов.

Модель предназначена для помощи в программировании: генерации и продолжения кода, а также решения практических задач кодирования на нескольких языках. В README приведено снижение среднего heldout NLL после слияния весов с 3,39 до 1,87; публичные результаты бенчмарков автор не заявляет. Карточка не уточняет конкретные языки программирования или естественные языки. Лицензия в предоставленных данных не приведена.

Сценарии применения

  • генерация фрагментов кода по описанию задачи
  • продолжение и дополнение исходного кода
  • помощь в решении практических задач программирования
  • ответы на вопросы о коде в диалоговом формате

Ограничения

Публичные оценки на бенчмарках не заявлены; обучение основано на 123 примерах, поэтому качество на широком наборе задач не установлено. В предоставленных данных лицензия не указана.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-8B-A1B-Coder

Merged model from LiquidAI/LFM2.5-8B-A1B plus:

josephmayo/LFM2.5-8B-A1B-Coder-LoRA

GGUF target:

josephmayo/LFM2.5-8B-A1B-Coder-GGUF

Training Summary

  • Base model: LiquidAI/LFM2.5-8B-A1B
  • Method: LoRA fine-tuning, then merged into base weights
  • Training rows: 123
  • Data focus: real-world and multilingual coding tasks

Validation

Validation metric:

  • Base heldout mean NLL: 3.3903426826000214
  • Merged model heldout mean NLL: 1.8745103478431702
  • Absolute NLL decrease: 1.5158323347568512
  • Relative NLL reduction: 44.71%

Public benchmark pass-rate scores are not claimed for this merged release.

Evidence files

Run evidence for this release is stored in the repository under evidence/:

These files are compact local/Kaggle run artifacts used to document training, evaluation, merge, or quantization evidence for this model family.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2MoeForCausalLM
Ревизия весов
73c960f

0 моделей