/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
26 ноя 2025

Qwen2.5-Coder-0.5B-Instruct-Gensyn-Swarm-jagged_coiled_bobcat

Генерация текстаТекст → текст5 профессий

leonis23/Qwen2.5-Coder-0.5B-Instruct-Gensyn-Swarm-jagged_coiled_bobcat — текстовая генеративная модель, опубликованная пользователем leonis23 на Hugging Face.

368скачиваний за 30 дней0лайковвеса обновлены19 дек 2025

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

По названию, тегам и структуре репозитория это производная или вариант Qwen2.5-Coder-0.5B-Instruct, разработанной командой Qwen. Модель предназначена для генерации текста и программного кода, выполнения инструкций, диалоговых сценариев и локального инференса через Transformers, vLLM или SGLang.

Из доступных данных подтверждаются архитектура Qwen2 для авторегрессионной генерации, размер около 0,5 млрд параметров, формат Safetensors и тип данных F32. Для базовой модели Qwen2.5-Coder-0.5B-Instruct заявлено контекстное окно до 32 768 токенов и поддержка английского и ряда других языков; точный набор языков и контекстные параметры именно производной версии в её карточке не описаны. Модель компактна и требовательна к ресурсам меньше крупных LLM, но из-за небольшого размера может уступать им в качестве рассуждений, генерации кода и устойчивости на сложных задачах. Оценки, ограничения, данные обучения и результаты тестирования для этой версии не приведены.

Карточка производной модели не указывает достоверного разработчика, точную лицензию или условия распространения. Поэтому лицензию базовой Qwen2.5-Coder-0.5B-Instruct нельзя автоматически считать лицензией данного репозитория.

Для каких профессий подходит5

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

Model Card for Model ID

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): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

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

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
55ef5ea

0 моделей