Temper-2-Nodel

Это самая крупная модель в линейке Temper 2 от maylore-ai и первая на Qwen3.5. У неё 4,21 млрд параметров, база — Qwen3.5-4B; модель заточена под прикладные задачи на Rust: трейты, дженерики и потоки. Понимает запросы на русском и английском, включая короткие разговорные.

🔥 Ключевые особенности

• ✅ Заточена под прикладной Rust: трейты, дженерики и потоки.
• 🦾 По заявлению авторов, решает такие задачи лучше протестированных моделей до 9B.
• 🤝 Понимает русский и английский, включая короткие неформальные запросы.
• ⬇ Есть GGUF-версия для llama.cpp, LM Studio и Ollama.
• 🔥 Дообучена на Rust-задачах и диалогах Temper-2-Axon, затем прошла RL на задачах с тестами и слияние весов с оригиналом.

😎 Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

name = "maylore-ai/Temper-2-Nodel"
tok = AutoTokenizer.from_pretrained(name)
model = AutoModelForCausalLM.from_pretrained(name, dtype="auto", device_map="auto")
messages = [{"role": "user", "content": "Write a Rust function that returns the n-th Fibonacci number."}]
inputs = tok.apply_chat_template(messages, add_generation_prompt=True, return_dict=True, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=1000)

Подробнее

HumanEval-RS: 73.2 pass@1 / 82.6 pass@10; MBPP-RS: 64.8 / 71.1; Temper Bench v2: 37.3 greedy pass@1.
Ограничения: Qwen3.5-9B на 2,8 пункта выше по HumanEval-RS pass@1; на MBPP-RS pass@10 модель уступает Qwen3.5-4B (71,1 против 73,4).
После файнтюна ответы менее разнообразны; модель часто неверно объясняет свой код и не подходит для inline-дополнения.
Лицензия Apache 2.0; производные работы должны сохранять атрибуции из NOTICE.