GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
16th-research-lab-ai
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Model Details
Model Provider
16th-research-lab-ai
Model Tree
Input Modalities
Output Modalities
Supported Functionality
На вопросы о себе модель отвечает, что она — Actum, языковая модель команды 16th Research Lab. Технические подробности об архитектуре и обучении модель не раскрывает.
Режим рассуждений в шаблоне диалога выключается параметром enable_thinking=False.
python
from transformers import AutoModelForCausalLM, AutoTokenizer path = "16th-research-lab-ai/actum-llm-az" # доступ по запросу: нужен токен аккаунта с одобренным доступомtok = AutoTokenizer.from_pretrained(path)model = AutoModelForCausalLM.from_pretrained(path, dtype="bfloat16", device_map="auto")messages = [{"role": "user", "content": "Переведите следующий текст с азербайджанского языка на русский. " "В ответе дайте только перевод.\n\nVergi bəyannaməsi vaxtında təqdim edilməlidir."}]text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=False)ids = tok(text, return_tensors="pt", add_special_tokens=False).to(model.device)out = model.generate(**ids, max_new_tokens=512, do_sample=False)print(tok.decode(out[0, ids["input_ids"].shape[1]:], skip_special_tokens=True))vLLM и llama.cpp запускают модель без дополнительного кода; файл GGUF F16 — gguf/actum-az-1.7b-F16.gguf.
Формулировки запросов, на которых модель обучалась:
Рекомендуемая генерация: жадная либо temperature 0,3 и top_p 0,9.
chrF++ на замороженных тестах с человеческим эталоном:
| Тест | AZ→RU | RU→AZ |
|---|---|---|
| Официальные тексты (500 пар) | 78,2 | 78,5 |
| Школьные учебники (320 пар) | 60,7 | 61,1 |
| FLORES-200 (488 пассажей) | 41,5 | 41,5 |
| Тест | AZ→EN | EN→AZ |
|---|---|---|
| FLORES-200 (488 пассажей) | 52,0 | 41,3 |
Обращения граждан RU→AZ против оригинала: 81,0. Понимание (вопросы с вариантами): Belebele az 64 %, вопросы по обращениям 93 %, по школьным учебникам 95 %.
Проверка после настройки самоназвания: качество перевода и раскрытия текста не изменилось (в пределах статистического разброса).
Apache 2.0. Сведения о сторонних компонентах — в файле NOTICE.
from transformers import AutoModelForCausalLM, AutoTokenizer path = "16th-research-lab-ai/actum-llm-az" # доступ по запросу: нужен токен аккаунта с одобренным доступомtok = AutoTokenizer.from_pretrained(path)model = AutoModelForCausalLM.from_pretrained(path, dtype="bfloat16", device_map="auto")messages = [{"role": "user", "content": "Переведите следующий текст с азербайджанского языка на русский. " "В ответе дайте только перевод.\n\nVergi bəyannaməsi vaxtında təqdim edilməlidir."}]text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=False)ids = tok(text, return_tensors="pt", add_special_tokens=False).to(model.device)out = model.generate(**ids, max_new_tokens=512, do_sample=False)print(tok.decode(out[0, ids["input_ids"].shape[1]:], skip_special_tokens=True))