/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-0.5B-Instruct
Опубликована
28 авг 2026

developer-git-commit-agent

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель Qwen2.5-Coder генерирует краткие сообщения коммитов Git по изменениям в коде.

136скачиваний за 30 дней1лайквеса обновлены28 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

Developer Git Commit Agent — компактная модель на базе Qwen2.5-Coder-0.5B-Instruct, дообученная для создания кратких, ясных и профессиональных сообщений коммитов Git по изменениям в коде. Она предназначена для разработчиков, которые хотят автоматически формулировать сообщения по diff и использовать модель в локальных скриптах или терминальных рабочих процессах через библиотеку Transformers.

Модель имеет плотную архитектуру Qwen2 и содержит 494 млн параметров; контекстное окно — 32 768 токенов. Карточка указывает поддержку английского языка и форматы safetensors. Модель распространяется по лицензии Apache-2.0. Размер может быть удобен для локального запуска, однако качество генерации сообщений коммитов и применимость к сложным или объёмным diff в карточке не оценены.

Сценарии применения

  • создание сообщения коммита по diff
  • формулировка кратких профессиональных сообщений Git-коммитов
  • автоматизация подготовки коммитов в терминальном скрипте

Ограничения

В карточке нет результатов оценки качества; модель может хуже справляться со сложными или объёмными diff. Указан английский язык, поэтому поддержку других естественных языков считать подтверждённой нельзя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Developer Git Commit Agent 🤖

An specialized, ultra-lightweight AI agent fine-tuned to automatically generate concise, clean, and professional Git commit messages directly from messy code changes (diffs).

Built specifically to optimize workflows for software engineers and developers.

🚀 Quickstart: How to Use

You can easily load and run this model locally in your terminal or scripts using the Hugging Face transformers library.

from transformers import AutoTokenizer, AutoModelForCausalLM

# Load the model directly from the Hub
model_id = "YOUR_HF_USERNAME/developer-git-commit-agent"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

# Paste your messy git diff here
git_diff = """
- const port = 3000;
+ const port = process.env.PORT || 5000;
"""

# Format prompt using the agent's system instructions
messages = [
    {"role": "system", "content": "You are an expert software engineer agent. Write a concise, professional Git commit message based on the provided code diff."},
    {"role": "user", "content": f"Code Diff:\n{git_diff}"}
]

inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to("cuda")
outputs = model.generate(inputs, max_new_tokens=60)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))
# Output: feat(config): allow dynamic port assignment via environment variables, defaulting to 5000.

📊 Training Details

  • Base Model: Qwen2.5-Coder-0.5B-Instruct
  • Dataset: Maxscha/commitbench (Targeted real-world engineering GitHub commits)
  • Method: Parameter-Efficient Fine-Tuning (LoRA)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
a4968b2

0 моделей