Характеристики

Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: canopy · dense
Библиотека: transformers
Опубликована: 5 сен 2026

Ссылки

canopy-258m-r3-v2

Генерация текстаТекст → текст7 профессий

Компактная каузальная модель Canopy для генерации текста, написания Python-кода, математических задач и взаимодействия с браузером.

96скачиваний за 30 дней0лайковвеса обновлены5 сен 2026

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

Canopy-258M-R3 v2 — компактная каузальная языковая модель семейства Canopy, разработанная авторами репозитория psikosen/canopy-258m-r3-v2. В README заявлена архитектура recurrent Mixture-of-Experts с маршрутизацией Top-2 по восьми экспертам и повторным выполнением шести средних MoE-блоков; метаданные указывают класс CanopyForCausalLM и 136,8 млн параметров, тогда как README приводит около 258,6 млн общих и около 112 млн активных параметров на токен.

Модель предназначена для генерации текста, математических рассуждений, синтеза Python-кода и управления браузером. Авторы заявляют 50% успешных запусков HumanEval, 100% синтаксически корректного кода и прохождение набора из семи типов веб-взаимодействий; эти результаты приведены в карточке модели и не являются независимой оценкой. Модель ориентирована на высокую скорость работы на периферийных устройствах. В метаданных указан английский язык, поддержка чата и кода, формат safetensors и лицензия Apache-2.0. Длина контекста в предоставленных источниках не приведена.

Сценарии применения

генерация и дополнение Python-кода
решение математических задач
выполнение последовательностей действий в браузере
ответы в диалоговом интерфейсе
генерация инструкций для веб-агента

Ограничения

Заявленные результаты бенчмарков приведены авторами модели и не сопровождаются независимой проверкой в предоставленных материалах. В README и метаданных расходятся сведения об общем числе параметров: около 258,6 млн в README и 136,8 млн в метаданных.

Для каких профессий подходит7

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.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Canopy-258M-R3 v2 (Browser Agent & Unified Multi-Domain Flagship)

Canopy-258M-R3 v2 is an ultra-efficient 258.56M parameter Recurrent Mixture-of-Experts (MoE) causal language model designed for high-speed edge computing, mathematical reasoning, Python code synthesis, and browser use.

What is New in v2

Unified Multi-Domain Mastery: 50.0% HumanEval executed pass rate, 100% code syntax, balanced factual and tool execution.
Natural Browser Interaction Kinematics: Cubic Bézier mouse paths, Gaussian typing cadence, and Set-of-Marks coordinate grounding.
Visual Screenshot Auditing: Step-by-step visual audit trail generation with coordinate crosshairs.
Extended Browser Suite Benchmark: 100% pass rate across 7 distinct real-world web interaction modalities.

Model Architecture

Parameters: 258,555,654 total (~112M active per token)
Routing: Top-2 across 8 specialized experts with Tokenwise Thought Bus
Recurrence: 6 middle MoE blocks executed twice (18 effective layers)

Quickstart

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры: CanopyForCausalLM
Ревизия весов: 0fc529f