Qwen2-0.5B

русскоязычная

Qwen2-0.5B представляет собой ультра-компактную языковую модель с 0,5 млрд параметров, специально разработанную для развертывания на мобильных и IoT устройствах. Модель использует GQA и tie embedding для оптимизации производительности, эта архитектурная особенность позволяет значительно снизить потребление энергии и задействование памяти при инференсе.

Модель обучена на высококачественном многоязычном датасете объемом 12 триллионов токенов, что обеспечивает ее способность работать с примерно 30 языками, включая русский и ряд довольно редких языков. Несмотря на компактный размер, модель демонстрирует отличные результаты в базовых языковых задачах. Однако основным преимуществом Qwen2-0.5B является ее способность к эффективному развертыванию на смартфонах, наушниках, умных очках других устройствах использующих технологии встраиваемых систем.

Низкие требования к памяти и вычислительным ресурсам делают ее идеальной edge-computing приложений. Qwen2-0.5B особенно подходит для создания персональных ассистентов на мобильных устройствах, простых чат-ботов, обработки текста в реальном времени на устройствах IoT, и как базовая модель для специализированного дообучения в ресурсо-ограниченных средах.


Дата анонса: 24.07.2024
Параметров: 0.5B
Контекст: 32K
Тип внимания: Full Attention
Потребление памяти: 0.6 ГБ в точности 4 бит
Разработчик: Alibaba
Версия Transformers: 4.40.1
Лицензия: Apache 2.0

Публичный эндпоинт

Воспользуйтесь нашими готовыми публичными эндпоинтами для теста инференса и знакомства с Qwen2-0.5B.
Наименование модели Контекст Тип GPU TPS Статус Ссылка
Для данной модели пока нет публичных эндпоинтов.

Частный сервер

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

  • получить максимальную производительность эндпоинта,
  • получить полный контекст для обработки больших запросов и диалогов,
  • обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
  • использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Рекомендуемые конфигурации для хостинга Qwen2-0.5B

Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
rtx2080ti-1.16.32.160 16 32768 160 1 37,04 ₽ Запустить
teslat4-1.16.16.160 16 16384 160 1 40,83 ₽ Запустить
teslaa10-1.16.32.160 16 32768 160 1 46,94 ₽ Запустить
teslaa2-2.16.32.160 16 32768 160 2 51,34 ₽ Запустить
rtx3090-1.16.24.160 16 24576 160 1 78,53 ₽ Запустить
rtx4090-1.16.32.160 16 32768 160 1 103,04 ₽ Запустить
teslav100-1.12.64.160 12 65536 160 1 107,57 ₽ Запустить
rtx5090-1.16.64.160 16 65536 160 1 141,77 ₽ Запустить
teslaa100-1.16.64.160 16 65536 160 1 230,77 ₽ Запустить
teslah100-1.16.64.160 16 65536 160 1 456,27 ₽ Запустить
Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
rtx2080ti-1.16.32.160 16 32768 160 1 37,04 ₽ Запустить
teslat4-1.16.16.160 16 16384 160 1 40,83 ₽ Запустить
teslaa10-1.16.32.160 16 32768 160 1 46,94 ₽ Запустить
teslaa2-2.16.32.160 16 32768 160 2 51,34 ₽ Запустить
rtx3090-1.16.24.160 16 24576 160 1 78,53 ₽ Запустить
rtx4090-1.16.32.160 16 32768 160 1 103,04 ₽ Запустить
teslav100-1.12.64.160 12 65536 160 1 107,57 ₽ Запустить
rtx5090-1.16.64.160 16 65536 160 1 141,77 ₽ Запустить
teslaa100-1.16.64.160 16 65536 160 1 230,77 ₽ Запустить
teslah100-1.16.64.160 16 65536 160 1 456,27 ₽ Запустить
Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
rtx2080ti-1.16.32.160 16 32768 160 1 37,04 ₽ Запустить
teslat4-1.16.16.160 16 16384 160 1 40,83 ₽ Запустить
teslaa10-1.16.32.160 16 32768 160 1 46,94 ₽ Запустить
teslaa2-2.16.32.160 16 32768 160 2 51,34 ₽ Запустить
rtx3090-1.16.24.160 16 24576 160 1 78,53 ₽ Запустить
rtx4090-1.16.32.160 16 32768 160 1 103,04 ₽ Запустить
teslav100-1.12.64.160 12 65536 160 1 107,57 ₽ Запустить
rtx5090-1.16.64.160 16 65536 160 1 141,77 ₽ Запустить
teslaa100-1.16.64.160 16 65536 160 1 230,77 ₽ Запустить
teslah100-1.16.64.160 16 65536 160 1 456,27 ₽ Запустить

Связанные модели

QwQ
Qwen2-1.5B
Qwen2-7B
Qwen2-72B
Qwen2.5-0.5B
Qwen2.5-1.5B
Qwen2.5-3B
Qwen2.5-7B
Qwen2.5-14B
Qwen2.5-32B
Qwen2.5-72B
Qwen2-57B-A14B
DeepSeek-R1-Distill-Qwen-32B
DeepSeek-R1-Distill-Qwen-1.5B
Qwen2.5-VL-3B
Qwen2.5-VL-7B
Qwen2.5-7B-1M

Остались вопросы?

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.