Mindket

Saudi SALLM A7B V1 Demo

新上架第 1 版 · 更新于

概览

你可以在浏览器页面里试用建立在 ALLaM-7B-Instruct-preview 之上的研究型语言模型适配器,适合测试和比较语言模型的人。

Saudi SALLM A7B V1 Demo 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
  • Windows、macOS 或 Linux 上的 Python 和 pip
  • GPU 硬件,README 说这是必需的
  • 把 ADAPTER_REPO_ID 设为 Space 变量
  • HF_TOKEN 作为密钥,只在适配器仓库是私有的时才需要
用在
  • 浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 的 Windows、macOS 或 Linux,用于在自己的电脑上运行副本
  • app.py 运行起来之后的本地 Gradio 页面
先运行
pip install -U huggingface_hub
hf download Dr-Zeyad-Alghamdi/SALLM-A7B-V1 --repo-type space --local-dir SALLM-A7B-V1
cd SALLM-A7B-V1

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这个 Space 是一个 Gradio 演示,把基础模型 ALLaM-7B-Instruct-preview 和存放在自己仓库里的适配器文件配在一起。作者称它为研究演示,并说明部署尚未测试。它在 Hugging Face 的 GPU 硬件上运行。

适合谁

研究或比较语言模型的人,想不安装任何东西就快速看一眼某个适配器。

行业谁在用怎么用例子
研究语言模型研究人员在做更深入的测试前先在浏览器里试用适配器打开 Space 页面并发送一条测试消息
教育机器学习的学生看适配器如何叠加在基础模型上对照适配器文件阅读 app.py
软件构建 Gradio 应用的开发者把这个布局当作起点让副本指向自己的适配器

需要成熟、有支持的产品的人可以跳过它,因为作者标明它尚未测试。

用在哪里

  • 浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 的 Windows、macOS 或 Linux,用于在自己的电脑上运行副本
  • app.py 运行起来之后的本地 Gradio 页面
用例谁用得到什么
试用模型研究人员演示生成的文本
查看配置开发者一个可以阅读和修改的简短 Gradio 应用

如何设置

  • Windows、macOS 或 Linux 上的 Python 和 pip
  • GPU 硬件,README 说这是必需的
  • 把 ADAPTER_REPO_ID 设为 Space 变量
  • HF_TOKEN 作为密钥,只在适配器仓库是私有的时才需要
  1. 安装 Hugging Face 的 hub 软件包。
  2. 用 hf 命令下载这个 Space。
  3. 进入新建的文件夹。
  4. 安装 gradio,再安装 requirements.txt 里列出的软件包。
  5. 用 Python 启动应用。
pip install -U huggingface_hub
hf download Dr-Zeyad-Alghamdi/SALLM-A7B-V1 --repo-type space --local-dir SALLM-A7B-V1
cd SALLM-A7B-V1
pip install gradio
pip install -r requirements.txt
python app.py

如何使用

在线使用时,访问 Hugging Face 上的这个 Space,用出现的界面。在自己的电脑上,运行下面的最后一条命令,再打开 Gradio 提供的本地页面。

python app.py
工具作用
app.py启动 Gradio 界面
requirements.txt列出要安装的 Python 软件包
adapter_model.safetensors存放适配器权重
tokenizer.json存放分词器数据

示例

打开这个 Space 的页面,给模型输入一个简短的问题,然后读它生成的文字。回复来自装有该适配器的基础模型。

新手与专家

如果你刚接触,先打开这个 Space 的页面,发一条简短的消息。这一次测试就能让你看到演示做什么,不需要安装任何东西。

如果你熟悉这个领域,请注意仓库里有 adapter_config.json 和 adapter_model.safetensors,这是叠加在基础模型上的适配器的常见文件,另外还有分词器文件和聊天模板。这个 Space 使用 zero-a10g 硬件设置,所以它用便利换来了 GPU 要求和未经测试的部署。

  1. 你打开 Gradio 页面
  2. app.py 在 GPU 硬件上运行
  3. 它读取 ADAPTER_REPO_ID
  4. 带适配器的模型给出回答

注意事项

  • Status: 作者称它为研究演示,并说明部署尚未测试
  • Hardware: 需要 GPU 硬件,这个 Space 设为 zero-a10g
  • Variables: 需要 ADAPTER_REPO_ID,私有仓库可选 HF_TOKEN
  • License: apache-2
  • Cost to run: GPU 硬件,只有适配器仓库是私有时才需要 HF_TOKEN,没有提到任何付费服务
  • Data it reaches: ADAPTER_REPO_ID 指向的适配器仓库和 Hugging Face 上的基础模型,以及你输入的文字
  • Not for: 生产环境使用,因为 README 称部署尚未测试

README 和文件

README

Saudi SALLM A7B V1 Demo

你可以在浏览器页面里试用建立在 ALLaM-7B-Instruct-preview 之上的研究型语言模型适配器,适合测试和比较语言模型的人。

由 Dr-Zeyad-Alghamdi 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个 Space 是一个 Gradio 演示,把基础模型 ALLaM-7B-Instruct-preview 和存放在自己仓库里的适配器文件配在一起。作者称它为研究演示,并说明部署尚未测试。它在 Hugging Face 的 GPU 硬件上运行。

适合谁:研究或比较语言模型的人,想不安装任何东西就快速看一眼某个适配器。

行业 | 谁在用 | 怎么用 | 例子
研究 | 语言模型研究人员 | 在做更深入的测试前先在浏览器里试用适配器 | 打开 Space 页面并发送一条测试消息
教育 | 机器学习的学生 | 看适配器如何叠加在基础模型上 | 对照适配器文件阅读 app.py
软件 | 构建 Gradio 应用的开发者 | 把这个布局当作起点 | 让副本指向自己的适配器

需要成熟、有支持的产品的人可以跳过它,因为作者标明它尚未测试。

用在哪里:

  • 浏览器,打开 Hugging Face 上这个 Space 的页面
  • 装有 Python 的 Windows、macOS 或 Linux,用于在自己的电脑上运行副本
  • app.py 运行起来之后的本地 Gradio 页面
用例 | 谁用 | 得到什么
试用模型 | 研究人员 | 演示生成的文本
查看配置 | 开发者 | 一个可以阅读和修改的简短 Gradio 应用

如何设置:

  • Windows、macOS 或 Linux 上的 Python 和 pip
  • GPU 硬件,README 说这是必需的
  • 把 ADAPTER_REPO_ID 设为 Space 变量
  • HF_TOKEN 作为密钥,只在适配器仓库是私有的时才需要
  1. 安装 Hugging Face 的 hub 软件包。
  2. 用 hf 命令下载这个 Space。
  3. 进入新建的文件夹。
  4. 安装 gradio,再安装 requirements.txt 里列出的软件包。
  5. 用 Python 启动应用。
pip install -U huggingface_hub
hf download Dr-Zeyad-Alghamdi/SALLM-A7B-V1 --repo-type space --local-dir SALLM-A7B-V1
cd SALLM-A7B-V1
pip install gradio
pip install -r requirements.txt
python app.py

如何使用:在线使用时,访问 Hugging Face 上的这个 Space,用出现的界面。在自己的电脑上,运行下面的最后一条命令,再打开 Gradio 提供的本地页面。

python app.py
工具 | 作用
app.py | 启动 Gradio 界面
requirements.txt | 列出要安装的 Python 软件包
adapter_model.safetensors | 存放适配器权重
tokenizer.json | 存放分词器数据

示例:打开这个 Space 的页面,给模型输入一个简短的问题,然后读它生成的文字。回复来自装有该适配器的基础模型。

新手与专家:如果你刚接触,先打开这个 Space 的页面,发一条简短的消息。这一次测试就能让你看到演示做什么,不需要安装任何东西。

如果你熟悉这个领域,请注意仓库里有 adapter_config.json 和 adapter_model.safetensors,这是叠加在基础模型上的适配器的常见文件,另外还有分词器文件和聊天模板。这个 Space 使用 zero-a10g 硬件设置,所以它用便利换来了 GPU 要求和未经测试的部署。

你打开 Gradio 页面
app.py 在 GPU 硬件上运行
它读取 ADAPTER_REPO_ID
带适配器的模型给出回答

注意事项:

  • Status: 作者称它为研究演示,并说明部署尚未测试
  • Hardware: 需要 GPU 硬件,这个 Space 设为 zero-a10g
  • Variables: 需要 ADAPTER_REPO_ID,私有仓库可选 HF_TOKEN
  • License: apache-2
  • Cost to run: GPU 硬件,只有适配器仓库是私有时才需要 HF_TOKEN,没有提到任何付费服务
  • Data it reaches: ADAPTER_REPO_ID 指向的适配器仓库和 Hugging Face 上的基础模型,以及你输入的文字
  • Not for: 生产环境使用,因为 README 称部署尚未测试

Hugging Face 上的数据(2026年11月13日)

  • 点赞:2
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/Dr-Zeyad-Alghamdi/SALLM-A7B-V1
  • 文件:https://huggingface.co/spaces/Dr-Zeyad-Alghamdi/SALLM-A7B-V1/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

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 Space。

产品点赞构建方式许可证最近更新
Saudi SALLM A7B V1 Demo 本页2gradioapache-2.0
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
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

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

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