/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
6,5 млрд
Размер весов
12,9 ГБ
Архитектура
gemma · dense
Базовая модель
gemma-2b
Библиотека
transformers
Опубликована
5 авг 2026

Ссылки

Hugging Face

TallGemma-Raw

mnsims1024
Генерация текстаТекст → текст13 профессий

Объединённая модель Gemma для генерации текста, диалоговых ответов и кода.

32скачиваний за 30 дней0лайковвеса обновлены5 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.

Открыть конструктор бенчмарка

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

TallGemma-Raw — объединённая языковая модель на архитектуре Gemma, созданная автором репозитория с помощью mergekit из google/gemma-2b, google/gemma-1.1-2b-it и google/codegemma-2b. Модель предназначена для генерации текста; в метаданных указаны 6,5 млрд параметров и контекст до 8192 токенов.

Объединение включает базовую Gemma, инструкционную Gemma 1.1 и CodeGemma, поэтому модель может быть полезна для генерации обычного текста, диалоговых ответов и кода. Карточка не приводит отдельных оценок качества или результатов тестирования, поэтому пригодность для конкретных задач стоит проверять на собственных примерах. В репозитории указаны веса safetensors и библиотека Transformers. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация текста по запросу
  • создание диалоговых ответов
  • написание фрагментов кода
  • помощь с вопросами и ответами

Ограничения

В карточке нет результатов оценки качества, поэтому характеристики объединённой модели и её пригодность для отдельных сценариев требуют практической проверки. Указанные базовые модели англоязычные; поддержка других языков не подтверждена предоставленными данными.

Для каких профессий подходит13

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tallgemma

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the passthrough merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

slices:
  - sources:
    - model: google/gemma-2b
      layer_range: [0, 1]
  - sources:
    - model: google/codegemma-2b
      layer_range: [0, 1]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [0, 1]
  - sources:
    - model: google/gemma-2b
      layer_range: [1, 2]
  - sources:
    - model: google/codegemma-2b
      layer_range: [1, 2]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [1, 2]
  - sources:
    - model: google/gemma-2b
      layer_range: [2, 3]
  - sources:
    - model: google/codegemma-2b
      layer_range: [2, 3]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [2, 3]
  - sources:
    - model: google/gemma-2b
      layer_range: [3, 4]
  - sources:
    - model: google/codegemma-2b
      layer_range: [3, 4]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [3, 4]
  - sources:
    - model: google/gemma-2b
      layer_range: [4, 5]
  - sources:
    - model: google/codegemma-2b
      layer_range: [4, 5]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [4, 5]
  - sources:
    - model: google/gemma-2b
      layer_range: [5, 6]
  - sources:
    - model: google/codegemma-2b
      layer_range: [5, 6]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [5, 6]
  - sources:
    - model: google/gemma-2b
      layer_range: [6, 7]
  - sources:
    - model: google/codegemma-2b
      layer_range: [6, 7]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [6, 7]
  - sources:
    - model: google/gemma-2b
      layer_range: [7, 8]
  - sources:
    - model: google/codegemma-2b
      layer_range: [7, 8]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [7, 8]
  - sources:
    - model: google/gemma-2b
      layer_range: [8, 9]
  - sources:
    - model: google/codegemma-2b
      layer_range: [8, 9]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [8, 9]
  - sources:
    - model: google/gemma-2b
      layer_range: [9, 10]
  - sources:
    - model: google/codegemma-2b
      layer_range: [9, 10]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [9, 10]
  - sources:
    - model: google/gemma-2b
      layer_range: [10, 11]
  - sources:
    - model: google/codegemma-2b
      layer_range: [10, 11]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [10, 11]
  - sources:
    - model: google/gemma-2b
      layer_range: [11, 12]
  - sources:
    - model: google/codegemma-2b
      layer_range: [11, 12]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [11, 12]
  - sources:
    - model: google/gemma-2b
      layer_range: [12, 13]
  - sources:
    - model: google/codegemma-2b
      layer_range: [12, 13]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [12, 13]
  - sources:
    - model: google/gemma-2b
      layer_range: [13, 14]
  - sources:
    - model: google/codegemma-2b
      layer_range: [13, 14]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [13, 14]
  - sources:
    - model: google/gemma-2b
      layer_range: [14, 15]
  - sources:
    - model: google/codegemma-2b
      layer_range: [14, 15]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [14, 15]
  - sources:
    - model: google/gemma-2b
      layer_range: [15, 16]
  - sources:
    - model: google/codegemma-2b
      layer_range: [15, 16]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [15, 16]
  - sources:
    - model: google/gemma-2b
      layer_range: [16, 17]
  - sources:
    - model: google/codegemma-2b
      layer_range: [16, 17]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [16, 17]
  - sources:
    - model: google/gemma-2b
      layer_range: [17, 18]
  - sources:
    - model: google/codegemma-2b
      layer_range: [17, 18]
  - sources:
    - model: google/gemma-1.1-2b-it
      layer_range: [17, 18]
merge_method: passthrough
dtype: float16

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
d1a9da6

0 моделей

    Создать бенчмарк