/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
StepFun-Formalizer-7B
Библиотека
gguf
Опубликована
16 сен 2026

StepFun-Formalizer-7B-GGUF

Генерация текстаТекст → текст3 профессии

GGUF-версия дообученной модели StepFun для преобразования математических задач на естественном языке в формальные утверждения Lean 4.

210скачиваний за 30 дней0лайковвеса обновлены16 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

StepFun-Formalizer-7B-GGUF — версия в формате GGUF модели StepFun-Formalizer-7B, опубликованная пользователем tinyopsec. Базовая модель разработана StepFun и предназначена для автоматической формализации: она преобразует математические задачи, сформулированные на естественном языке, в формальные утверждения на Lean 4. Модель дообучена на DeepSeek-R1-Distill-Qwen-7B и, согласно карточке, показывает высокие результаты на тестах FormalMATH-Lite, ProverBench и CombiBench.

Репозиторий содержит файлы GGUF в точности F16 и нескольких вариантах квантизации; F16 занимает около 15 ГБ, а для запуска требуется примерно 16 ГБ видеопамяти. Карточка описывает применение через llama.cpp, llama-cpp-python, LM Studio и Ollama. Метаданные указывают лицензию Apache-2.0 и возможность диалогового использования. Модель ориентирована на математические запросы на английском языке; качество формализации и корректность результата следует проверять в Lean 4, поскольку ошибки в переводе могут привести к неверным формальным утверждениям.

Сценарии применения

  • Перевод математической задачи на английском языке в утверждение Lean 4
  • Подготовка формальных формулировок задач для доказательства в Lean 4
  • Автоматизация разметки математических задач в наборах для автоформализации

Ограничения

Модель ориентирована на формализацию математических задач и не предназначена для произвольных сценариев генерации текста. Результаты следует проверять в Lean 4; квантизированные варианты могут уступать F16 по качеству.

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

StepFun-Formalizer-7B GGUF

GGUF quantizations of stepfun-ai/StepFun-Formalizer-7B.

About the Model

StepFun-Formalizer-7B is a large language model designed to translate natural-language mathematical problems into formal statements in Lean 4. It is fine-tuned on top of deepseek-ai/DeepSeek-R1-Distill-Qwen-7B and achieves state-of-the-art performance on autoformalization benchmarks including FormalMATH-Lite, ProverBench, and CombiBench.

Quantization Files

FileBitsSizeUse Case
model_f16.gguf16~15 GBMaximum quality, reference
model_q8_0.gguf8~8.1 GBBest quality, recommended if VRAM allows
model_q6_k.gguf6~6.3 GBNear-lossless, great balance
model_q5_k_m.gguf5~5.5 GBRecommended for most users
model_q5_k_s.gguf5~5.3 GBSlightly smaller than Q5_K_M
model_q4_k_m.gguf4~4.7 GBGood quality/size balance
model_q4_k_s.gguf4~4.5 GBSmaller Q4 variant
model_q3_k_l.gguf3~3.9 GBLow VRAM, acceptable quality
model_q3_k_m.gguf3~3.6 GBLower VRAM
model_q3_k_s.gguf3~3.3 GBMinimal footprint
model_q2_k.gguf2~2.8 GBSmallest, significant quality loss

VRAM Requirements

QuantizationVRAM
F16~16 GB
Q8_0~9 GB
Q6_K~7 GB
Q5_K_M~6 GB
Q4_K_M~5 GB
Q3_K_M~4 GB
Q2_K~3.5 GB

Usage

llama.cpp

./llama-cli -m model_q4_k_m.gguf -p "Please autoformalize the following problem: ..." -n 512

llama-cpp-python

from llama_cpp import Llama

llm = Llama(model_path="model_q4_k_m.gguf", n_ctx=4096)
output = llm("Please autoformalize the following problem: ...", max_tokens=512)
print(output["choices"][0]["text"])

LM Studio

Download the desired .gguf file and load it directly in LM Studio.

Ollama

ollama run hf.co/tinyopsec/StepFun-Formalizer-7B-GGUF:Q4_K_M

Prompt Format

<|User|>Please autoformalize the following problem:
<informal problem here>

<|Assistant|>

Links

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
186a645

0 моделей