Дообученная версия Qwen3-1.7B для генерации диалогового текста и работы в сценариях с инструментами.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
TaH2-1.7B-Standard — плотная авторегрессионная языковая модель семейства Qwen3, разработанная авторами проекта TaH. Модель дообучена на подмножестве TaH2 AMTeam Tool размером 1,7 млрд параметров и предназначена для генерации текста в диалоговом формате и сценариях, связанных с использованием инструментов. Карточка указывает одношаговый режим работы.
Модель содержит 1,7 млрд параметров, принимает текст и выдаёт текст. Базовая модель — Qwen/Qwen3-1.7B-Base; длина контекста составляет 32 768 токенов. Для загрузки приведён пример с Transformers и весами bfloat16. Лицензия — Apache-2.0. Данных о специализированной предметной области или отдельных ограничениях качества в карточке нет.
Размер модели 1,7 млрд параметров ограничивает её возможности по сравнению с более крупными моделями; карточка не приводит сравнительных оценок качества. Указанный набор данных ориентирован на AMTeam Tool, поэтому пригодность для других сценариев отдельно не подтверждена.
README от автора на Hugging Face, как он его опубликовал
Standard single-pass Qwen3-1.7B model. Fine-tuned on the 1.7B subset of TaH2 AMTeam Tool.
Code: thu-nics/TaH · Paper: arXiv:2609.35748.
Load with Transformers:
from transformers import AutoModelForCausalLM, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("nics-efc/TaH2-1.7B-Standard")
model = AutoModelForCausalLM.from_pretrained(
"nics-efc/TaH2-1.7B-Standard", dtype="bfloat16", device_map="auto")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…