/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
221 млн
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-230M
Библиотека
transformers
Опубликована
12 сен 2026

LFM2.5-230M-OpenCode-Title-Generator

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель для создания коротких заголовков веток OpenCode по первому сообщению пользователя.

220скачиваний за 30 дней0лайковвеса обновлены12 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.

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

kth8 обучил эту компактную языковую модель методом supervised fine-tuning на наборе kth8/title-generation-10000x. Она основана на unsloth/LFM2.5-230M: плотная причинная модель семейства LFM2 с 221,2 млн параметров и контекстом до 128 000 токенов.

Модель предназначена для автоматической генерации короткого заголовка ветки OpenCode по первому сообщению пользователя. Обучение проводилось с системным запросом агента заголовков OpenCode; интерфейс OpenCode отображает заголовки длиной до 100 символов. Базовая модель поддерживает десять языков: английский, арабский, китайский, французский, немецкий, итальянский, японский, корейский, португальский и испанский.

Модель сохранена в формате safetensors и использует лицензию, обозначенную в метаданных как other; README не уточняет её условия. Модель мала по размеру, но специализирована на генерации заголовков, поэтому её не следует считать универсальной моделью для диалога или сложных задач.

Сценарии применения

  • генерация заголовка ветки OpenCode по первому сообщению
  • краткое резюмирование запроса пользователя в формате заголовка
  • автоматическое именование сессий разработки
  • создание заголовков длиной до 100 символов для интерфейса OpenCode

Ограничения

Модель специализирована на кратких заголовках для сценария OpenCode и не предназначена для универсального диалога. Заголовки длиннее 100 символов могут быть усечены интерфейсом OpenCode; условия лицензии other в предоставленных данных не раскрыты.

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

logo

A supervised fine-tune of unsloth/LFM2.5-230M on the kth8/title-generation-10000x dataset. Supports all 10 languages by the base model: English, Arabic, Chinese, French, German, Italian, Japanese, Korean, Portuguese, Spanish.

Trained with the system prompt used by OpenCode's title agent. OpenCode generate thread title based on the first user message. OpenCode UI can show title up to 100 characters long before being truncated.

Usage example

Point to this model with small_model key in opencode.jsonc config file.

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "title": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "http://127.0.0.1:8080/v1",
        "apiKey": "not-needed"
      },
      "models": {
        "generator": {}
      }
    }
  },
  "small_model": "title/generator"
}

User prompt

Troy's home is 75 meters away from school while Emily's home is 98 meters away from school. Troy and Emily walk to school and back home every day. How much farther does Emily walk to school and back in five days?

Title response

Troy vs Emily five-day school walk distance difference

Training Settings

PEFT

  • Rank: 16
  • LoRA alpha: 16
  • Modules: ["q_proj", "k_proj", "v_proj", "out_proj", "in_proj", "w1", "w2", "w3"]
  • Gradient checkpointing: unsloth

SFT

  • Epoch: 1
  • Batch size: 4
  • Gradient Accumulation steps: 4
  • Learning rate: 0.0002
  • Optimizer: adamw_torch_fused
  • Learning rate scheduler: cosine
  • Warmup steps: 10
  • Weight decay: 0.01

Framework versions

  • Unsloth: 2026.9.4
  • TRL: 0.23.1
  • Transformers: 5.5.0
  • Pytorch: 2.10.0+cu128
  • Datasets: 4.3.0
  • Tokenizers: 0.22.2

License

This model is released under LFM Open License v1.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2ForCausalLM
Ревизия весов
8962065

0 моделей