/ Модель

Характеристики

Контекст
202 752 токена
Параметры
4,1 млрд
Лицензия
MIT
Архитектура
glm4_moe_lite · dense
Базовая модель
GLM-4.7-Flash
Библиотека
transformers
Опубликована
12 июн 2026

glm-4.7-flash-JP-EN-prune

Генерация текстаТекст → текст3 профессии

Прореженная версия GLM-4.7-Flash для перевода японских субтитров на английский.

17скачиваний за 30 дней0лайковвеса обновлены12 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

Это производная модель GLM-4.7-Flash, предназначенная для перевода японских субтитров на английский. В карточке указано, что при прореживании экспертов измерили их использование на данных субтитров и удалили наименее используемые эксперты: число экспертов на слой сократили с 64 до 32. Метаданные относят модель к семейству glm4_moe_lite и архитектуре для авторегрессионной генерации текста; репозиторий содержит веса Safetensors и использует библиотеку Transformers.

Метаданные указывают 4,1 млрд параметров и контекст до 202 752 токенов; README приводит оценку около 16 млрд параметров до прореживания. Поддерживаемые языки — японский и английский. Модель распространяется под лицензией MIT. Карточка не приводит результатов оценки качества, подробностей обучающих данных или конкретных ограничений, поэтому пригодность для конкретного сценария перевода стоит проверять на собственных примерах.

Сценарии применения

  • перевод японских субтитров на английский
  • черновой перевод диалогов из японских видео
  • локализация японских субтитров для англоязычной аудитории

Ограничения

В карточке нет метрик качества, подробностей обучающих данных или развернутых ограничений; качество перевода следует проверять на целевых материалах. Указанные в README около 16 млрд параметров и 4,1 млрд в метаданных могут относиться к разным вариантам модели или способам подсчёта.

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

Model Card for Model ID

Expert-pruned GLM-4.7-Flash for Japanese→English subtitle translation. Routed-expert usage was measured on subtitle data and the least-used experts dropped (64 → 32 per layer). ~16B parameters.

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): Japanese, English
  • License: MIT
  • Finetuned from model [optional]: GLM-4.7-Flash

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation / Data Attribution

Partial calibration data: JESC (Japanese-English Subtitle Corpus), licensed under CC BY 4.0. Source: https://nlp.stanford.edu/projects/jesc/

@ARTICLE{pryzant_jesc_2018, author = {{Pryzant}, R. and {Chung}, Y. and {Jurafsky}, D. and {Britz}, D.}, title = "{JESC: Japanese-English Subtitle Corpus}", journal = {Language Resources and Evaluation Conference (LREC)}, keywords = {Computer Science - Computation and Language}, year = 2018 }

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

TBA

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Glm4MoeLiteForCausalLM
Ревизия весов
98fabd7

0 моделей