Temper-2-Nodel

Temper-2-Nodel

42 亿参数的 Rust 编程模型，基于 Qwen3.5-4B，能回答俄语和英语请求。适合想用小型模型处理函数、trait、泛型和线程的 Rust 开发者。

由 maylore-ai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Temper 2 Nodel 是一个 42 亿参数的语言模型，专门调优来写 Rust。在 Temper 2 系列中它体量最大，基础模型是 Qwen3.5。它面向涉及 trait、泛型和线程的实际 Rust 工作，能理解俄语和英语的请求。

适合谁：适合想要一个能用俄语或英语回答编程请求的小型本地模型的 Rust 开发者和工具开发者。

Industry | Who uses it | How they use it | Example
软件 | Rust 开发者 | 以聊天方式请求函数和修复 | 请求一个 Rust 版斐波那契辅助函数
教育 | Rust 学习者 | 从简短随意的请求得到可用示例 | 用俄语请求一个 trait 示例
工具开发 | 工具开发者 | 在自己的硬件上运行小型编程模型 | 从 Python 脚本里调用它

如果你想要编辑器里的自动补全，可以跳过，因为它的训练只用了聊天请求。

用在哪里：它在 Windows、macOS 或 Linux 上通过 transformers 库用 Python 运行。另有单独的 GGUF 版本，可用于 llama.cpp、LM Studio 和 Ollama。

• 装有 transformers 的 Python 脚本或笔记本
• llama.cpp、LM Studio 或 Ollama，使用单独的 GGUF 副本
• 聊天式使用，而不是编辑器自动补全

Use case | Who | What they get back
写一个 Rust 函数 | 开发者 | 回复中可用的 Rust 代码
俄语或英语的 Rust 问题 | 双语团队 | 任一种语言的回答，即使请求很简短
本地编程助手 | 工具开发者 | 适合普通硬件的小型模型

如何设置：你需要装有 transformers 和 PyTorch 的 Python。Hugging Face 标注 BF16 权重约 8.4 GB，4 位量化下估计约 2.1 GB。

• 装有 transformers 库的 Python
• 约 8.4 GB 磁盘空间，用于 BF16 权重
• 有 GPU 更方便，因为代码让库自己选择设备

1. 安装 Hugging Face 下载工具。
2. 下载模型文件，或者让 transformers 按名称获取。
3. 用 How to use it 下面的脚本加载模型和分词器。

pip install -U huggingface_hub
hf download maylore-ai/Temper-2-Nodel

如何使用：通过分词器的对话模板发送一条聊天消息，最多生成 1000 个新 token。你没提供系统提示词时，模板会加上 Temper 系统提示词，模型会直接作答，不显示推理过程。推荐的温度是 0.2。

from transformers import AutoModelForCausalLM, AutoTokenizer

name = "maylore-ai/Temper-2-Nodel"
tokenizer = 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 = tokenizer.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)
print(tokenizer.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))

Tool | What it does
AutoTokenizer | 加载分词器及其对话模板
AutoModelForCausalLM | 加载模型并把它放到你的设备上
generate | 写出回复，这里最多 1000 个新 token

示例：你让它写一个给出第 n 个斐波那契数的 Rust 函数。模型马上回复相应的 Rust 代码，脚本只打印新写出的文字。

新手与专家：如果你是新手，先运行上面的脚本，读一读它打印的 Rust 代码。再把请求改成另一个小函数，对比答案。

如果你熟悉这个领域，它是在 Rust 任务和对话加上难题上微调的 Qwen3.5-4B，随后用带测试的任务做强化学习，再与原始权重合并。它的回答变得不那么多样，所以在 MBPP-RS 上十次尝试时落后于基础模型。

Qwen3.5-4B 基础模型
在 Rust 任务和对话上微调
在带测试的任务上做强化学习
与原始权重合并

注意事项：在第一次尝试的 HumanEval-RS 上，Qwen3.5-9B 领先 2.8 分。这个模型常常无法很好地解释自己写的代码。

• License: Apache 2.0
• Cost to run: 没有提到 API 密钥、账号或付费服务，但模型需要能放下约 8.4 GB 权重的内存
• Data it reaches: 你自己机器上的提示词，以及从 Hugging Face 下载的文件
• Not for: 编辑器行内补全，或对它所写代码的可靠解释

Title: Temper-2-Nodel 的分数，单位为百分比
HumanEval-RS pass@1: 73.2 %
MBPP-RS pass@1: 64.8 %
Temper Bench v2: 37.3 %

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：4.2B
• Weights: about 8.4 GB in BF16; about 2.1 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：451
• 点赞：3
• 许可证：apache-2.0
• 语言：en, ru
• 基于：Qwen/Qwen3.5-4B
• Quantized versions: 2
• 标签：transformers, safetensors, qwen3_5_text, text-generation, rust, code, qwen3_5, conversational

链接

• 模型：https://huggingface.co/maylore-ai/Temper-2-Nodel
• 文件：https://huggingface.co/maylore-ai/Temper-2-Nodel/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download maylore-ai/Temper-2-Nodel

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。