/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
1,3 млрд
Размер весов
5,2 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
6 сен 2026

Ссылки

Hugging Face

navya-1c-sft

navyam-ai
Генерация текстаТекст → текст3 профессии

Navya-1C-SFT — дообученная с нуля языковая модель для ответов на вопросы о личных финансах в Индии.

39скачиваний за 30 дней0лайковвеса обновлены6 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.

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

Navya-1C-SFT — языковая модель семейства Navya от navyam.ai, разработанная с нуля и дообученная методом SFT для вопросов о личных финансах в Индии. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM на 1,31 млрд параметров; базовое обучение проводилось примерно на 103 млрд токенов, после чего модель дообучили на индийском финансовом корпусе. Для текста используется собственный токенизатор на 64 тыс. токенов, контекст составляет 4096 токенов.

Модель предназначена для ответов на вопросы о личных финансах в индийском контексте. В карточке указаны английский и хинди; README также упоминает Hinglish и другие индийские языки, но не перечисляет их. Модель доступна через Transformers в формате Safetensors и распространяется по лицензии Apache-2.0. Разработчики обозначают её как исследовательскую и предупреждают, что ответы не являются инвестиционной рекомендацией.

Сценарии применения

  • ответы на вопросы о личных финансах в Индии
  • объяснение финансовых тем на английском языке
  • ответы на финансовые вопросы на хинди
  • подготовка диалогового помощника по личным финансам

Ограничения

Модель обозначена разработчиками как исследовательская; её ответы не следует считать инвестиционной рекомендацией. Контекст ограничен 4096 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

navya-1c-sft

Navya is an India-first financial foundation model family, trained from scratch on an India-first corpus (finance + English + Hindi/Hinglish and other Indian languages), custom 64k tokenizer.

Parameters1.31B
Training tokens~103B
TrainedSep 2026
Typechat (SFT)
AuthorNavyam AI (Bachatt)
LicenseApache-2.0
Codehttps://github.com/bachatt-app/navyam-gpt

1.31B base (~103B tokens + cooldown) then SFT on the India-finance corpus (val loss ~1.09). The model currently live on navyam.ai.

Intended use: India personal-finance Q&A. Research model — not investment advice.

Chat template

Role tokens <|reserved_0..4|> (system/user/assistant/tool/end_turn); generation stops on <|reserved_4|> and <|eos|>.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("navyam-ai/navya-1c-sft")
model = AutoModelForCausalLM.from_pretrained("navyam-ai/navya-1c-sft")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
c4614ea

0 моделей

    Создать бенчмарк