GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
tel1980
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
tel1980
Model Tree
Qwen/Qwen2.5-Coder-1.5B-Instruct
Input Modalities
Output Modalities
Supported Functionality
qwen-python-slm é um modelo de linguagem pequeno (SLM) especializado em gerar código para o ecossistema de Engenharia de Dados, Data Science, Machine Learning, Deep Learning, LLMs, Agentes de IA, DataOps e MLOps.
O modelo é um ajuste fino (SFT com QLoRA) do Qwen/Qwen2.5-Coder-1.5B-Instruct, mantendo a arquitetura de 1,5 bilhão de parâmetros e adicionando adaptadores LoRA treinados para responder a instruções técnicas de dados/IA em Python, SQL e PySpark.
Não recomendado para: produção crítica sem revisão humana; geração de código com dados sensíveis sem validação de segurança; substituição de engenheiros especialistas.
O modelo reconhece prefixos no prompt para forçar a linguagem/domínio desejado:
text
/python Código Python genérico/sql Consultas SQL/pyspark Código PySpark/ml Machine Learning (scikit-learn, PyTorch, etc.)/llm LLMs e fine-tuning (transformers, peft, vLLM, etc.)/agent Agentes de IA (LangChain, LlamaIndex, CrewAI, etc.)/dataops Pipelines/DataOps/MLOps (Airflow, dbt, MLflow, etc.)
Exemplo:
bash
ollama run tel1980/qwen-python-slm "/sql Liste os 10 produtos mais vendidos no último trimestre."
Qwen/Qwen2.5-Coder-1.5B-Instructr = 16alpha = 32dropout = 0.05q_proj, k_proj, v_proj, , , , Dataset final combinado: 98.180 amostras.
iamtarun/python_code_instructions_18k_alpaca (Python, filtrado por keywords de dados/IA)flytech/python-codes-25k, m-a-p/CodeFeedback-Filtered-Instruction (filtrado para Python, subamostrado para 30k)b-mc2/sql-create-context (subamostrado para 15k)datasets/pyspark_instructions.json)Avaliação executada com src/evaluate.py (Python) e src/evaluate_extended.py (SQL e PySpark), 30 amostras por linguagem.
Ressalva: as amostras de avaliação vêm dos mesmos datasets usados no treino, então os números tendem a ser otimistas. Servem como sanity check de formato e gramática.
| Métrica | Valor |
|---|---|
| Taxa de compilação Python válida | 96,67% |
| Taxa de execução Python sem erros | 83,33% |
| Taxa de parse SQL válido | 100,00% |
| Taxa de sintaxe PySpark válida | 100,00% |
| BLEU médio — Python | 0,175 |
| BLEU médio — SQL | 0,917 |
| BLEU médio — PySpark | 0,353 |
Observações:
input() sem stdin, arquivo local inexistente), não falhas de sintaxe.sql-create-context; BLEU mede similaridade com a referência, não correção semântica.Futuramente, recomenda-se adicionar pass@1 em benchmarks como HumanEval, MBPP e Spider/BIRD (SQL), com dados nunca vistos no treino.
bash
ollama run tel1980/qwen-python-slm "/python Crie uma DAG do Airflow que baixe um CSV e salve no S3."
python
from transformers import AutoModelForCausalLM, AutoTokenizermodel_id = "tel1980/qwen-python-slm"tokenizer = AutoTokenizer.from_pretrained(model_id)model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")messages = [{"role": "system", "content": "Você é um engenheiro de dados e Machine Learning sênior."},{"role": "user", "content": "/sql Liste os clientes com mais de 5 pedidos."},]inputs = tokenizer.apply_chat_template(messages, return_tensors="pt", add_generation_prompt=True).to(model.device)outputs = model.generate(inputs, max_new_tokens=512, temperature=0.2)print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))
Este modelo é distribuído sob a licença Apache 2.0, a mesma do modelo base Qwen2.5-Coder-1.5B-Instruct.
Se você usar este modelo em trabalhos acadêmicos, cite o modelo base:
bibtex
@article{qwen2.5,title={Qwen2.5 Technical Report},author={Qwen Team},journal={arXiv preprint arXiv:2409.12186},year={2024}}
https://github.com/tel1980/SLM_pythonhttps://huggingface.co/tel1980/qwen-python-slmhttps://huggingface.co/tel1980/qwen-python-slm-ggufo_projgate_projup_projdown_projpaged_adamw_8bit