/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
11 сен 2026

checkpoints_en_km_logit

Генерация текстаТекст → текст5 профессий

Компактная диалоговая языковая модель семейства Qwen3 для генерации текста и интеграции в приложения на базе Transformers.

162скачиваний за 30 дней0лайковвеса обновлены11 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

thuyduongjoe123/checkpoints_en_km_logit — генеративная языковая модель из экосистемы Qwen3, опубликованная пользователем thuyduongjoe123 на Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия через библиотеку Transformers; в метаданных указано 1,7 млрд параметров и контекст до 40 960 токенов.

Модель может применяться для ведения диалогов, продолжения и составления текстов, а также интеграции в приложения, использующие совместимый интерфейс text-generation. Метка conversational указывает на ориентацию на диалоговые сценарии, однако README не содержит сведений о конкретных данных обучения, результатах оценки, поддерживаемых естественных языках, разработчике, базовой модели или лицензии.

Преимуществами являются сравнительно компактный размер и поддержка длинного контекста. Ограничения включают отсутствие подтверждённых бенчмарков и документации о качестве, языковом охвате, области применения и условиях использования; ответы модели могут содержать ошибки или выдуманные сведения.

Сценарии применения

  • ведение диалогов с пользователем
  • генерация ответов в чат-боте
  • продолжение и составление текстов
  • создание прототипов приложений с LLM
  • обработка длинных текстовых контекстов

Ограничения

README не содержит данных об оценке качества, обучающих данных, поддерживаемых языках, лицензии и точной архитектуре. Модель может генерировать фактически ошибочные или выдуманные ответы.

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

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
06ed2c2

0 моделей