/ Модель

Характеристики

Контекст
131 072 токена
Параметры
14 млрд
Размер весов
29,5 ГБ
Архитектура
qwen2 · dense
Опубликована
2 дек 2024

Qwen2.5-Ultimate-14B-Instruct

Генерация текстаТекст → текст15 профессий

Объединённая модель Qwen2.5 на 14 млрд параметров для многоязычных диалогов, генерации текста и решения математических задач.

33скачиваний за 30 дней1лайквеса обновлены28 апр 2025

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

Qwen2.5 Ultimate 14B Instruct — объединённая инструкционная языковая модель, созданная автором qingy2024 методом TIES из Qwen2.5-14B-Instruct и Qwen2.5 Math 14B Instruct на базе Qwen2.5-14B. Модель с плотной архитектурой Qwen2 и 14 млрд параметров предназначена для диалогов и генерации текста; объединение также ориентировано на математические задачи и ответы по инструкциям.

Модель принимает текст и генерирует текст. В карточке заявлена поддержка китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Контекстное окно составляет до 131 072 токенов. В карточке приведены результаты оценивания на наборах IFEval, BBH, MATH, GPQA, MuSR и MMLU-Pro; эти показатели относятся к указанным тестовым настройкам и сами по себе не гарантируют качество в прикладных сценариях.

Веса доступны в формате safetensors, библиотека для работы — Transformers. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы в диалоговом формате
  • генерация текста по пользовательским инструкциям
  • решение математических задач и примеров
  • подготовка структурированных текстовых ответов
  • многоязычные запросы на русском, английском и других заявленных языках

Ограничения

Результаты тестов зависят от набора данных и настроек оценки и не гарантируют качество в реальных задачах. Лицензия не приведена в доступных данных.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

library_name: transformers

tags:

  • mergekit

  • merge

base_model:

  • Qwen/Qwen2.5-14B-Instruct

  • qingy2019/Qwen2.5-Math-14B-Instruct

  • Qwen/Qwen2.5-14B

language:

  • zho

  • eng

  • fra

  • spa

  • por

  • deu

  • ita

  • rus

  • jpn

  • kor

  • vie

  • tha

  • ara

model-index:


Qwen2.5 Ultimate 14B Instruct

Merged using rombodawg's method and using the first iteration of my Qwen2.5 Math 14B Instruct.

Merge Details

Merge Method

This model was merged using the TIES merge method using Qwen/Qwen2.5-14B as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:


models:

  - model: qingy2019/Qwen2.5-Math-14B-Instruct

    parameters:

      weight: 1

      density: 1

  - model: Qwen/Qwen2.5-14B-Instruct

    parameters:

      weight: 1

      density: 1

merge_method: ties

base_model: Qwen/Qwen2.5-14B

parameters:

  weight: 1

  density: 1

  normalize: true

  int8_mask: true

tokenizer_source: qingy2019/Qwen2.5-Math-14B-Instruct

dtype: bfloat16


Open LLM Leaderboard Evaluation Results

Detailed results can be found here

| Metric |Value|

|-------------------|----:|

|Avg. |29.29|

|IFEval (0-Shot) |39.38|

|BBH (3-Shot) |40.58|

|MATH Lvl 5 (4-Shot)|28.02|

|GPQA (0-shot) |14.21|

|MuSR (0-shot) | 9.89|

|MMLU-PRO (5-shot) |43.66|

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
82104fe

0 моделей