/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
257 млн
Лицензия
Apache 2.0
Архитектура
gemma3_text · dense
Опубликована
14 фев 2026

smolified-tiny-text-to-sql

Генерация текстаТекст → текст5 профессий

Компактная дистиллированная модель Smolify Foundry генерирует SQL по запросам на естественном языке и рассчитана на запуск в условиях ограниченных ресурсов.

22скачиваний за 30 дней2лайкавеса обновлены14 фев 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.

  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

rishiraj/smolified-tiny-text-to-sql — компактная языковая модель от Smolify Foundry для преобразования запросов на естественном языке в SQL. В README она описана как доменная DSLM, созданная методом дистилляции reasoning-моделей и рассчитанная на запуск на CPU/NPU и в средах с ограниченной видеопамятью. Метаданные указывают архитектуру Gemma 3 Text с причинно-языковой моделью Gemma3ForCausalLM, 257 млн параметров и контекст до 32 768 токенов; модель принимает текст и генерирует текст.

Репозиторий содержит веса safetensors и заявляет оптимизацию с 4-битной квантизацией и смешанной точностью FP16. README указывает совместимость со стандартными средствами инференса, включая vLLM. Модель может помогать формировать SQL по текстовому описанию, однако карточка не сообщает о поддерживаемых СУБД, точности, обучающих данных или проверке безопасности сгенерированных запросов. Лицензия — Apache-2.0.

Сценарии применения

  • преобразование вопроса на естественном языке в SQL-запрос
  • создание SQL по описанию нужных данных
  • генерация запросов для анализа базы данных
  • локальный запуск текстовой модели на устройстве с ограниченными ресурсами

Ограничения

Карточка не уточняет поддерживаемые диалекты SQL, качество на тестах и ограничения по схемам баз данных. Сгенерированные запросы следует проверять перед выполнением.

Для каких профессий подходит5

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

🤏 smolified-tiny-text-to-sql

Intelligence, Distilled.

This is a Domain Specific Language Model (DSLM) generated by the Smolify Foundry.

It has been synthetically distilled from SOTA reasoning engines into a high-efficiency architecture, optimized for deployment on edge hardware (CPU/NPU) or low-VRAM environments.

📦 Asset Details

  • Origin: Smolify Foundry (Job ID: fd2ecb30)
  • Architecture: DSLM-Micro (270M Parameter Class)
  • Training Method: Proprietary Neural Distillation
  • Optimization: 4-bit Quantized / FP16 Mixed
  • Dataset: Link to Dataset

🚀 Usage (Inference)

This model is compatible with standard inference backends like vLLM.

# Example: Running your Sovereign Model
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "rishiraj/smolified-tiny-text-to-sql"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

messages = [
    {'role': 'system', 'content': '''You are a SQL generator. Schema: Table 'orders' (id, customer_name, amount, status, date). Translate the user question into a valid SQLite query. Output SQL only.'''},
    {'role': 'user', 'content': '''What's the earliest order date recorded?'''}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize = False,
    add_generation_prompt = True,
).removeprefix('<bos>')

from transformers import TextStreamer
_ = model.generate(
    **tokenizer(text, return_tensors = "pt").to("cuda"),
    max_new_tokens = 1000,
    temperature = 1, top_p = 0.95, top_k = 64,
    streamer = TextStreamer(tokenizer, skip_prompt = True),
)

⚖️ License & Ownership

This model weights are a sovereign asset owned by rishiraj. Generated via Smolify.ai.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
6614b79

0 моделей