Open-source models

Bibliotheque de modeles

Choisis un modele open-source, apporte tes donnees et lance un entrainement deterministe sur le reseau.

orcrux-runtime

Knowledge QA rapide

recommendedstartertextqacheapreliable

Template le plus fiable pour un petit dataset factuel JSONL: il construit un bundle de reponses ancrees dans le dataset, sans promettre un GGUF.

Modele: byo
Dataset exemple: Dataset QA JSONL utilisateurjsonl
GPU requis: auto
Poids: -

Entrainer ce modele Voir les workloads

transformers

Tiny GGUF smoke

recommendedsmoketextggufdmlcuda

Petit test de bout en bout pour verifier qu'une machine AMD/DirectML ou Nvidia/CUDA peut produire un hf-model et un model.gguf.

Modele: byo
Dataset exemple: Petit JSONL utilisateurjsonl
GPU requis: gpu_8g
Poids: 0.02B20M params

Entrainer ce modele Voir les workloads

transformers

LoRA GGUF standard

recommendedtextloraggufdmlcuda

Template texte standard pour dataset utilisateur: auto_train choisit LoRA SFT et exige un model.gguf final. Compatible CUDA ou DML avec petits reglages memoire.

Modele: byo
Dataset exemple: Dataset instruction JSONL utilisateurjsonl
GPU requis: gpu_8g
Poids: 1.10B1.10B params

Entrainer ce modele Voir les workloads Source Hugging Face

transformers

CUDA performance - Qwen GGUF

recommendedtextloraggufcudanvidia

Template Nvidia uniquement pour valider un vrai fine-tuning Qwen 1.5B avec export GGUF. A utiliser quand la machine expose cuda=true.

Modele: byo
Dataset exemple: Dataset instruction JSONL utilisateurjsonl
GPU requis: cuda_8g
Poids: 1.50B1.50B params

Entrainer ce modele Voir les workloads Source Hugging Face

Apporter ses donnees

Simple, accessible a tous

1) Exporte ton dataset en fichier simple (zip, tar, parquet, jsonl, wav, png).
2) Heberge-le en URL publique (S3, Google Drive en partage public) ou IPFS.
3) Dans la soumission, colle l'URL ou le CID IPFS dans les champs dataset.
4) Pour les datasets prives, utilise les bundles cryptes via la CLI (docs/datasets.md).

Bibliotheque basee sur les templates exposes par /workloads/marketplace.