Характеристики

Лицензия: Apache 2.0
Архитектура: qwen3 · dense
Базовая модель: Blitzar-Coder-4B-F.1
Библиотека: transformers
Опубликована: 5 июн 2025

Ссылки

Blitzar-Coder-4B-F.1-GGUF

Генерация текстаТекст → текст9 профессий

Blitzar-Coder-4B-F.1-GGUF — модель для генерации кода, разработанная prithivMLmods. Это GGUF-версия Blitzar-Coder-4B-F.1, дообученной на базе Qwen3-4B с использованием расширенных наборов трассировок программирования.

498скачиваний за 30 дней9лайковвеса обновлены5 июн 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Модель предназначена для генерации и отладки кода, а также решения задач, требующих рассуждений, особенно при ограниченных вычислительных ресурсах.

Модель ориентирована на работу более чем с десятью языками программирования, включая Python, Java, C#, C++, C, Go, JavaScript, TypeScript и Rust. Точные сведения об архитектуре, размере контекста и поддерживаемых естественных языках, кроме английского, в карточке не указаны. Доступны варианты от Q2_K до Q8_0, а также F16, BF16 и F32; размер файлов составляет примерно от 1,67 до 16,1 ГБ. Q4_K_M и Q5_K_M рекомендуются как сбалансированные варианты, а Q6_K, Q8_0 и версии с плавающей точностью обеспечивают более высокое качество ценой большего потребления ресурсов.

Сильными сторонами модели являются специализация на программировании, поддержка нескольких языков программирования и широкий выбор вариантов квантования для запуска на оборудовании с разными ограничениями. Более компактные варианты обеспечивают более быструю инференцию, но могут уступать в качестве; для F16, BF16 и особенно F32 требуется больше видеопамяти. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.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

Blitzar-Coder-4B-F.1-GGUF

Blitzar-Coder-4B-F.1 is a high-efficiency, multi-language coding model fine-tuned on Qwen3-4B using larger coding traces datasets spanning 10+ programming languages including Python, Java, C#, C++, C, Go, JavaScript, TypeScript, Rust, and more. This model delivers exceptional code generation, debugging, and reasoning capabilities—making it an ideal tool for developers seeking advanced programming assistance under constrained compute.

Model Files

Filename	Size	Format	Description
Blitzar-Coder-4B-F.1.BF16.gguf	8.05 GB	BF16	Brain Float 16-bit quantization
Blitzar-Coder-4B-F.1.F16.gguf	8.05 GB	F16	Half precision (16-bit) floating point
Blitzar-Coder-4B-F.1.F32.gguf	16.1 GB	F32	Full precision (32-bit) floating point
Blitzar-Coder-4B-F.1.Q2_K.gguf	1.67 GB	Q2_K	2-bit quantization with K-quant
Blitzar-Coder-4B-F.1.Q3_K_L.gguf	2.24 GB	Q3_K_L	3-bit quantization (Large) with K-quant
Blitzar-Coder-4B-F.1.Q3_K_M.gguf	2.08 GB	Q3_K_M	3-bit quantization (Medium) with K-quant
Blitzar-Coder-4B-F.1.Q3_K_S.gguf	1.89 GB	Q3_K_S	3-bit quantization (Small) with K-quant
Blitzar-Coder-4B-F.1.Q4_K_M.gguf	2.5 GB	Q4_K_M	4-bit quantization (Medium) with K-quant
Blitzar-Coder-4B-F.1.Q4_K_S.gguf	2.38 GB	Q4_K_S	4-bit quantization (Small) with K-quant
Blitzar-Coder-4B-F.1.Q5_K_M.gguf	2.89 GB	Q5_K_M	5-bit quantization (Medium) with K-quant
Blitzar-Coder-4B-F.1.Q5_K_S.gguf	2.82 GB	Q5_K_S	5-bit quantization (Small) with K-quant
Blitzar-Coder-4B-F.1.Q6_K.gguf	3.31 GB	Q6_K	6-bit quantization with K-quant
Blitzar-Coder-4B-F.1.Q8_0.gguf	4.28 GB	Q8_0	8-bit quantization

Recommended Usage

Q4_K_M or Q5_K_M: Best balance of quality and performance for most users
Q6_K or Q8_0: Higher quality, larger file sizes
Q2_K or Q3_K_S: Fastest inference, lower quality
F16 or BF16: High quality, requires more VRAM
F32: Highest quality, requires significant VRAM

Quants Usage

(sorted by size, not necessarily quality. IQ-quants are often preferable over similar sized non-IQ quants)

Here is a handy graph by ikawrakow comparing some lower-quality quant types (lower is better):

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов: a93bd00