Характеристики

Контекст: 10 485 760 токенов
Параметры: 3,2 млн
Архитектура: llama4_text · MoE
Библиотека: transformers
Опубликована: 2 окт 2025

Ссылки

test-save-tiny-random-llama4-smashed

Генерация текстаТекст → текст3 профессии

pruna-test/test-save-tiny-random-llama4-smashed — тестовая версия небольшой случайно инициализированной модели семейства Llama 4, сохранённая и подготовленная с использованием библиотеки PrunaAI.

5 811скачиваний за 30 дней0лайковвеса обновлены12 окт 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Модель предназначена прежде всего для проверки загрузки, совместимости и сценариев интеграции через Transformers и Pruna, а не для решения прикладных задач генерации текста.

В README указано, что модель распространяется в формате safetensors и загружается через Transformers или PrunaModel. Конфигурация рассчитана на выполнение на CPU с размером пакета 1; перечисленные методы оптимизации, включая квантование, pruning, компиляцию и специализированные механизмы ускорения, отключены. Точные размеры, архитектурные параметры, поддерживаемые языки, модальности и длина контекста не указаны.

Сильной стороной модели является удобство тестирования интеграции с экосистемой Transformers и проверки работы Pruna без существенных требований к аппаратному обеспечению. Из-за случайной инициализации и тестового назначения модель не предназначена для качественного инференса или продуктивного использования. Лицензия в README не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for pruna-test/test-save-tiny-random-llama4-smashed

This model was created using the pruna library. Pruna is a model optimization framework built for developers, enabling you to deliver more efficient models with minimal implementation overhead.

Usage

First things first, you need to install the pruna library:

pip install pruna

You can use the transformers library to load the model but this might not include all optimizations by default.

To ensure that all optimizations are applied, use the pruna library to load the model using the following code:

from pruna import PrunaModel

loaded_model = PrunaModel.from_pretrained(
    "pruna-test/test-save-tiny-random-llama4-smashed"
)
# we can then run inference using the methods supported by the base model

For inference, you can use the inference methods of the original model like shown in the original model card. Alternatively, you can visit the Pruna documentation for more information.

Smash Configuration

The compression configuration of the model is stored in the smash_config.json file, which describes the optimization methods that were applied to the model.

{
    "awq": false,
    "c_generate": false,
    "c_translate": false,
    "c_whisper": false,
    "deepcache": false,
    "diffusers_int8": false,
    "fastercache": false,
    "flash_attn3": false,
    "fora": false,
    "gptq": false,
    "half": false,
    "hqq": false,
    "hqq_diffusers": false,
    "hyper": false,
    "ifw": false,
    "img2img_denoise": false,
    "kvpress": false,
    "llama_cpp": false,
    "llm_int8": false,
    "moe_kernel_tuner": false,
    "pab": false,
    "padding_pruning": false,
    "qkv_diffusers": false,
    "quanto": false,
    "realesrgan_upscale": false,
    "reduce_noe": false,
    "ring_attn": false,
    "sage_attn": false,
    "stable_fast": false,
    "static_fp8_diffusers": false,
    "text_to_image_distillation_inplace_perp": false,
    "text_to_image_distillation_lora": false,
    "text_to_image_distillation_perp": false,
    "text_to_image_inplace_perp": false,
    "text_to_image_lora": false,
    "text_to_image_perp": false,
    "text_to_text_inplace_perp": false,
    "text_to_text_lora": false,
    "text_to_text_perp": false,
    "time_aware_fp8_diffusers": false,
    "token_merging": false,
    "torch_compile": false,
    "torch_dynamic": false,
    "torch_structured": false,
    "torch_unstructured": false,
    "torchao": false,
    "x_fast": false,
    "zipar": false,
    "batch_size": 1,
    "device": "cpu",
    "device_map": null,
    "save_fns": [],
    "save_artifacts_fns": [],
    "load_fns": [
        "transformers"
    ],
    "load_artifacts_fns": [],
    "reapply_after_load": {}
}