/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
8,3 млрд
Размер весов
17,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
internlm3-8b-instruct
Опубликована
15 янв 2025

InternLM3-8B-Instruct-Converted-Qwen2

Генерация текстаТекст → текст12 профессий

Преобразованная в формат Qwen2 версия InternLM3-8B-Instruct для генерации текста и диалогового инференса в совместимых окружениях.

17скачиваний за 30 дней3лайкавеса обновлены4 июн 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

silence09 опубликовал преобразованную версию InternLM3-8B-Instruct, представленную в формате архитектуры Qwen2 для совместимости с некоторыми сценариями инференса и классом Qwen2ForCausalLM. Модель содержит 8,3 млрд параметров, использует плотную архитектуру и сохраняет точность исходных весов. Контекст — до 32 768 токенов; поддерживается диалоговое использование и генерация текста.

Модель предназначена для запуска запросов к исходной InternLM3-8B-Instruct в окружениях, рассчитанных на Qwen2. Базовая модель ориентирована на общие запросы, работу со знаниями и сложные рассуждения. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • запуск диалоговой модели в окружении с поддержкой Qwen2
  • генерация ответов на общие текстовые запросы
  • получение ответов по знаниям модели
  • выполнение сложных рассуждений в текстовом диалоге

Ограничения

README указывает на совместимость с некоторыми сценариями инференса, поэтому преобразованный формат может подходить не для всех окружений. Языки модели в предоставленных источниках не перечислены.

Для каких профессий подходит12

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

Converted Qwen2 from InternLM3-8B-Instruct

Descritpion

This is a converted model from InternLM3-8B-Instruct to Qwen2 format. This conversion allows you to use InternLM3-8B-Instruct as if it were a Qwen2 model, which is convenient for some inference use cases. The precision is excatly the same as the original model.

Usage

You can load the model using the Qwen2ForCausalLM class as shown below:

from transformers import AutoModelForCausalLM, AutoTokenizer, Qwen2ForCausalLM

device = "cuda" # the device to load the model onto, cpu or cuda
attn_impl = 'eager' # the attention implementation to use

prompt = "大模型和人工智能经历了两年的快速发展,请你以此主题对人工智能的从业者写一段新年寄语"

system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
- InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文."""
messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": prompt},
 ]

tokenizer = AutoTokenizer.from_pretrained("silence09/InternLM3-8B-Instruct-Converted-Qwen2", trust_remote_code=True)
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)
print(prompt)
qwen2_model = Qwen2ForCausalLM.from_pretrained(
    "silence09/InternLM3-8B-Instruct-Converted-Qwen2",
    torch_dtype='auto',
    attn_implementation=attn_impl).to(device)
qwen2_generated_ids = qwen2_model.generate(model_inputs.input_ids, max_new_tokens=100, do_sample=False)
qwen2_generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, qwen2_generated_ids)
]
qwen2_response = tokenizer.batch_decode(qwen2_generated_ids, skip_special_tokens=True)[0]
print(qwen2_response)

Precision Guarantee

To comare result with the original model, you can use this code

More Info

It was converted using the python script available at this repository

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
3aba99c

0 моделей