/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
257 млн
Архитектура
gemma3_text · dense
Базовая модель
functiongemma-270m-it
Библиотека
transformers
Опубликована
28 сен 2026

functiongemma-270m

Генерация текстаТекст → текст7 профессий

Компактная дообученная модель Gemma 3 для диалоговой генерации текста и создания специализированных локальных агентов.

472скачиваний за 30 дней0лайковвеса обновлены29 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

mkwukong/functiongemma-270m — дообученная модель для генерации текста на базе google/functiongemma-270m-it. Разработчик обучал её с помощью TRL; архитектура — плотная Gemma 3 для текста, размер — 257 млн параметров, формат весов — Safetensors. Модель рассчитана на диалоговое взаимодействие и запуск через Transformers как text-generation.

Карточка показывает пример ответа на открытый вопрос и указывает базовую модель Google, предназначенную для вызова функций и создания специализированных локальных агентов после дообучения. Контекст модели составляет 32 768 токенов. Сведения о лицензии и конкретных обучающих данных в предоставленных источниках отсутствуют.

Сценарии применения

  • генерация ответов на вопросы в диалоге
  • создание специализированного локального агента
  • дообучение компактной модели под прикладную задачу

Ограничения

В README не приведены результаты оценки качества и конкретные сценарии обучения этой версии. Лицензия и поддерживаемые языки не установлены по предоставленным данным.

Для каких профессий подходит7

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 functiongemma-270m

This model is a fine-tuned version of google/functiongemma-270m-it. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="mkwukong/functiongemma-270m", device_map="auto")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 1.14.0
  • Transformers: 5.16.1
  • Pytorch: 2.11.0+cu128
  • Datasets: 4.8.5
  • Tokenizers: 0.23.1

Citations

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
cec0705

0 моделей