Компактная дообученная модель Qwen2.5 для диалогов, выполнения инструкций и генерации текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
aligntune-testrun-RAFT — дообученная диалоговая языковая модель, опубликованная ram-lexsi и созданная с помощью AlignTune. Она основана на Qwen/Qwen2.5-0.5B-Instruct: это плотная модель семейства Qwen2 с 494 млн параметров, предназначенная для генерации текста и диалогов. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В README приведён пример загрузки через Transformers.
Карточка не описывает конкретный алгоритм дообучения, целевые данные или специализацию, поэтому модель уместно рассматривать как компактную модель общего назначения для диалоговых приложений и выполнения инструкций. Лицензия в предоставленных данных не указана.
README не уточняет языки, данные и целевую специализацию модели. Небольшой размер модели может ограничивать качество и сложность ответов по сравнению с более крупными моделями.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Built using AlignTune — supports any open-source model, any algorithm, any backend (TRL / Unsloth / ES / etc).
| Finetuned from | Qwen/Qwen2.5-0.5B-Instruct |
| Algorithm | raft |
| Backend | trl |
| Artifact | model |
| Published | 2026-08-26 13:42 UTC |
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("ram-lexsi/aligntune-testrun-RAFT")
tokenizer = AutoTokenizer.from_pretrained("ram-lexsi/aligntune-testrun-RAFT")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…