Mindket

ConeML 1.2B Experimental

新上架第 1 版 · 更新于

概览

从你提供的事实里找出最高、最老或第一个对象,是一个小型英文研究模型,提供 FP32 Safetensors 和 Q8_0 GGUF 文件。适合研究者,仅限非商业使用。

ConeML 1.2B Experimental 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 和 pip
  • FP32 大约 4.7 GB,量化文件更小
  • transformers 库或 GGUF 运行器
用在
  • 带 transformers 库的 Python,用于 Safetensors 权重
  • 本地 GGUF 运行器,用于 Q8_0 文件
  • 能用 Python 获取文件的 Windows、macOS 或 Linux 机器
先运行
pip install -U huggingface_hub
hf download ConeML/coneml-1.2b-experimental

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

ConeML 1.2B Experimental 是一个小型英文研究模型。给它一组陈述的关系,它会回答哪个对象最高、最矮、更老、更年轻或排第一。文件有 FP32 Safetensors 和 Q8_0 GGUF 两种。作者称它是实验性的,并说编程和日常聊天要弱得多。

适合谁

研究小模型、基于所给事实的推理,以及措辞或事实顺序如何影响答案的研究者。

IndustryWho uses itHow they use itExample
AI 研究模型评估者测试小模型如何从陈述的事实中选出端点在乱序事实上与其他小型指令模型比较
学术学生研究事实顺序和措辞如何影响答案用有序和乱序的事实运行同一个问题
开源工具爱好者试用活跃参数很少的模型加载 GGUF 文件并问一个简短的关系问题

如果你想要聊天助手、编程帮手或任何商业用途,可以跳过它。

用在哪里

  • 带 transformers 库的 Python,用于 Safetensors 权重
  • 本地 GGUF 运行器,用于 Q8_0 文件
  • 能用 Python 获取文件的 Windows、macOS 或 Linux 机器
Use caseWhoWhat they get back
端点问题研究者从你的事实里得到最高、最低或第一个对象的名字
措辞测试评估者显示对措辞和事实顺序敏感程度的答案
小模型比较学生与其他相近大小模型的参照点

如何设置

你需要装有 pip 的 Python 和放文件的磁盘空间。FP32 权重约 4.7 GB,所以下载全部文件前先看看仓库的文件列表。

  • Python 和 pip
  • FP32 大约 4.7 GB,量化文件更小
  • transformers 库或 GGUF 运行器
  1. 安装 Hugging Face hub 工具。
  2. 下载仓库的文件。
  3. 在 transformers 里加载 Safetensors 权重,或在运行器里打开 GGUF 文件。
pip install -U huggingface_hub
hf download ConeML/coneml-1.2b-experimental

如何使用

在提示词里以任意顺序写出事实,然后询问哪个对象处在链条的一端,比如最高的或最早的。作者用模型自己的聊天格式做过测试。

hf download ConeML/coneml-1.2b-experimental
ToolWhat it does
hf download把这个仓库的文件复制到你的电脑

示例

你列出几条乱序的陈述,说明谁比谁高,然后问谁最高。模型会给出一个人名。在作者的测试里,深度为 5 时它答对了 512 道此类题中的 438 道。

新手与专家

如果你是新手,先用三四条简短的事实加一个问题,并亲手核对答案。不要指望它在代码或开放式对话上表现好。

如果你熟悉这个领域,模型卡写的是约 3.48 亿活跃参数和 11.74 亿存储参数。它在乱序端点问题上与四个小型指令模型作了比较。后来的说明指出,一条简单的集合差规则就能解出所有题目,所以分数体现的是端点选择,而不是多跳遍历。

  1. 以任意顺序写出事实
  2. 询问一个端点
  3. 模型给出一个对象
  4. 你自己核对答案

注意事项

链条越长,成功率越低。模型卡列出的结果是:深度 5 时 512 题中 438 题,深度 12 时 240 题,深度 24 时 74 题。

深度 5 的正确答案数,满分 512
ConeML438
Qwen2.5-1.5B-Instruct273
SmolLM2-1.7B-Instruct155
Llama-3.2-1B-Instruct136
Gemma-3-1B-IT138
  • License: CC BY-NC 4.0
  • Cost to run: 没有提到
  • Data it reaches: 你从 Hugging Face 下载的文件,以及你输入的文字
  • Not for: 商业使用、编程或日常对话,以及作为多跳推理的证明

README 和文件

README

ConeML 1.2B Experimental

从你提供的事实里找出最高、最老或第一个对象,是一个小型英文研究模型,提供 FP32 Safetensors 和 Q8_0 GGUF 文件。适合研究者,仅限非商业使用。

由 ConeML 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:ConeML 1.2B Experimental 是一个小型英文研究模型。给它一组陈述的关系,它会回答哪个对象最高、最矮、更老、更年轻或排第一。文件有 FP32 Safetensors 和 Q8_0 GGUF 两种。作者称它是实验性的,并说编程和日常聊天要弱得多。

适合谁:研究小模型、基于所给事实的推理,以及措辞或事实顺序如何影响答案的研究者。

Industry | Who uses it | How they use it | Example
AI 研究 | 模型评估者 | 测试小模型如何从陈述的事实中选出端点 | 在乱序事实上与其他小型指令模型比较
学术 | 学生 | 研究事实顺序和措辞如何影响答案 | 用有序和乱序的事实运行同一个问题
开源工具 | 爱好者 | 试用活跃参数很少的模型 | 加载 GGUF 文件并问一个简短的关系问题

如果你想要聊天助手、编程帮手或任何商业用途,可以跳过它。

用在哪里:

  • 带 transformers 库的 Python,用于 Safetensors 权重
  • 本地 GGUF 运行器,用于 Q8_0 文件
  • 能用 Python 获取文件的 Windows、macOS 或 Linux 机器
Use case | Who | What they get back
端点问题 | 研究者 | 从你的事实里得到最高、最低或第一个对象的名字
措辞测试 | 评估者 | 显示对措辞和事实顺序敏感程度的答案
小模型比较 | 学生 | 与其他相近大小模型的参照点

如何设置:你需要装有 pip 的 Python 和放文件的磁盘空间。FP32 权重约 4.7 GB,所以下载全部文件前先看看仓库的文件列表。

  • Python 和 pip
  • FP32 大约 4.7 GB,量化文件更小
  • transformers 库或 GGUF 运行器
  1. 安装 Hugging Face hub 工具。
  2. 下载仓库的文件。
  3. 在 transformers 里加载 Safetensors 权重,或在运行器里打开 GGUF 文件。
pip install -U huggingface_hub
hf download ConeML/coneml-1.2b-experimental

如何使用:在提示词里以任意顺序写出事实,然后询问哪个对象处在链条的一端,比如最高的或最早的。作者用模型自己的聊天格式做过测试。

hf download ConeML/coneml-1.2b-experimental
Tool | What it does
hf download | 把这个仓库的文件复制到你的电脑

示例:你列出几条乱序的陈述,说明谁比谁高,然后问谁最高。模型会给出一个人名。在作者的测试里,深度为 5 时它答对了 512 道此类题中的 438 道。

新手与专家:如果你是新手,先用三四条简短的事实加一个问题,并亲手核对答案。不要指望它在代码或开放式对话上表现好。

如果你熟悉这个领域,模型卡写的是约 3.48 亿活跃参数和 11.74 亿存储参数。它在乱序端点问题上与四个小型指令模型作了比较。后来的说明指出,一条简单的集合差规则就能解出所有题目,所以分数体现的是端点选择,而不是多跳遍历。

以任意顺序写出事实
询问一个端点
模型给出一个对象
你自己核对答案

注意事项:链条越长,成功率越低。模型卡列出的结果是:深度 5 时 512 题中 438 题,深度 12 时 240 题,深度 24 时 74 题。

Title: 深度 5 的正确答案数,满分 512
ConeML: 438
Qwen2.5-1.5B-Instruct: 273
SmolLM2-1.7B-Instruct: 155
Llama-3.2-1B-Instruct: 136
Gemma-3-1B-IT: 138
  • License: CC BY-NC 4.0
  • Cost to run: 没有提到
  • Data it reaches: 你从 Hugging Face 下载的文件,以及你输入的文字
  • Not for: 商业使用、编程或日常对话,以及作为多跳推理的证明

Hugging Face 上的数据(2026年11月13日)

  • 任务:text generation
  • 框架:transformers
  • 参数量:1.2B
  • Weights: about 4.7 GB in F32; about 587 MB at 4-bit (estimate)
  • Formats: Safetensors, GGUF
  • 最近 30 天下载:440
  • 点赞:2
  • 许可证:cc-by-nc-4.0
  • 语言:en
  • 标签:transformers, safetensors, gguf, mixtral, text-generation, mixture-of-experts, experimental, conversational

链接

  • 模型:https://huggingface.co/ConeML/coneml-1.2b-experimental
  • 文件:https://huggingface.co/ConeML/coneml-1.2b-experimental/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 ConeML/coneml-1.2b-experimental

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。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-13

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。

产品最近 30 天下载点赞参数量许可证最近更新
ConeML 1.2B Experimental 本页44021.2Bcc-by-nc-4.0
Diffusion-Qwen3.8-27B共有 experimental · text-generation · conversational2,0153326.9Bapache-2.0
Qwen3.6-35B-A3B Claude 4.7 Opus Reasoning Distilled共有 mixture-of-experts · text-generation · transformers67420636Bapache-2.0
Apodex-1.1-mini-GGUF共有 gguf · text-generation · conversational4792235.5Bapache-2.0
Sage-A1.5 GGUF (Q4_K_M)共有 gguf · text-generation · conversational636,8348435.5Bapache-2.0
qwen-concept-27b共有 gguf · conversational · safetensors62,46017427.3Bapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

研究类的相似商品

查看研究类的全部商品

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架

ReFoCo

yuji-nozawa · 工具包

一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。

新上架