/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,3 млрд
Размер весов
6,1 ГБ
Архитектура
jamba · dense
Базовая модель
Jamba2-3B-Turkish
Опубликована
23 авг 2026

Jamba2-3B-Turkish-SFT-v1

Генерация текстаТекст → текст5 профессий

Дообученная на турецких инструкциях диалоговая модель Jamba на 2,3 млрд параметров для генерации ответов и следования инструкциям.

73скачиваний за 30 дней1лайквеса обновлены24 авг 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

Jamba2 3B Turkish SFT v1 — дообученная для следования инструкциям и диалогов языковая модель семейства Jamba, опубликованная linguai. Это слитый с базовой моделью BF16-артефакт LoRA-дообучения serda-dev/Jamba2-3B-Turkish; в метаданных указано 2,3 млрд параметров и контекст до 262 144 токенов. Модель предназначена для генерации ответов на инструкции и общения, прежде всего на турецком языке; в карточке также отмечен английский.

Дообучение проведено на смеси из 35 800 проверенных и синтетически созданных турецких инструкций. Диагностическая оценка на 84 примерах дала правильность по смыслу и задаче 62/84, а соблюдение формата — 58/84; авторы предупреждают, что набор оценки пока не прошёл этапы фиксации, проверки пересечений и человеческого ревью, поэтому результаты не являются релизной оценкой. Для загрузки указано использование Transformers и BF16. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на инструкции на турецком языке
  • диалоговый помощник для общения на турецком
  • генерация турецких текстов по запросу
  • суммаризация и переформулирование текста в формате диалога

Ограничения

Диагностическая оценка ограничена 84 примерами и не прошла заявленные авторами проверки перед релизом; показатели составили 62/84 по смысловой и задачной корректности и 58/84 по соблюдению формата. Лицензия в предоставленных материалах не указана.

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

Jamba2 3B Turkish SFT v1

This is the BF16 merged instruction-tuning artifact produced from the immutable Turkish CPT base serda-dev/Jamba2-3B-Turkish revision 9524af9e857e0359b8a3dad72bc216b65d3c0acd.

Training

  • Method: BF16 LoRA, merged into the base model.
  • Selected checkpoint: optimizer step 4,500 (not the final step).
  • SFT mixture: 35,800 reviewed/generated Turkish instruction examples.
  • Training run: 5,000 optimizer steps, 40,960,000 tokens.

Diagnostic evaluation

The isolated 84-case Gold suite is draft_quarantine, so these results are diagnostic rather than release-grade. The post-merge deterministic evaluation reproduced the selected checkpoint exactly:

MetricResult
Semantic/task correctness62/84
Contract compliance58/84

gold.json, gold.md, merge_manifest.json, and SHA256SUMS accompany the weights for provenance and integrity checks. Final production promotion still requires the Gold-freeze, overlap/decontamination, and human-review gates.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "linguai/Jamba2-3B-Turkish-SFT-v1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

Use the model according to the terms and conditions of the upstream base model and all included training sources.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
JambaForCausalLM
Ревизия весов
5202214

0 моделей