/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
9 сен 2026

Qwen2-0.5B-Instruct-Abliterated

Генерация текстаТекст → текст3 профессии

Небольшая диалоговая модель Qwen2 с 494 млн параметров для генерации текста, модифицированная процедурой abliterated.

106скачиваний за 30 дней0лайковвеса обновлены9 сен 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

Sonic Coder Qwen2-0.5B-Instruct-Abliterated — разговорная причинная языковая модель семейства Qwen2, созданная как версия Qwen2-0.5B-Instruct с применением процедуры abliterated. В README указано, что при обработке использовалась процедура проекта augmxnt/Qwen2-7B-Instruct-deccp и дополненный список вредоносных запросов; подробности реализации не приведены.

Модель предназначена для генерации текста в диалоговом формате. Она содержит 494 млн параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия Apache-2.0.

Название Abliterated и описание процедуры указывают на изменение поведения модели в отношении вредоносных запросов, однако README не приводит оценок качества, подробностей поведения или результатов испытаний. Как и другие небольшие языковые модели, она может выдавать ошибки и не должна считаться надёжным источником фактов.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание черновиков коротких текстов
  • локальные эксперименты с небольшой языковой моделью
  • изучение влияния процедуры abliterated на ответы модели

Ограничения

README не содержит оценок качества и подробностей испытаний; ответы модели могут быть ошибочными. Изменение поведения, подразумеваемое названием Abliterated, описано без количественных результатов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
f6e50e9

0 моделей