Model variants
型号与精度版本
同一模型家族中的基础、指令、推理、量化或多模态检查点用途可能完全不同。下载前应核对模型卡、提示模板、分词器、量化方法和运行时版本。
Enterprise fit
适合放进哪些本地工作流
端侧模型更适合边界清楚、输入可控、失败可回退的任务。涉及客户承诺、财务写入、生产控制或复杂多步工具调用时，应保留云端高能力模型与人工审批作为升级路径。
Evaluation protocol
进入数字员工路由前怎么测
- 加载测试记录具体设备、精度、运行时、上下文与首 Token 时间，避免只写“能跑”。
- 任务测试用脱敏企业样本测任务成功率、结构化输出和工具参数正确率。
- 压力测试加入长上下文、并发、热启动、内存峰值、功耗和降频观察。
- 治理测试验证模型许可、日志、更新、漏洞响应、人工接管与云端回退。
Known cautions
当前研究限制
- 模型卡明确要求 Leaf harness 在隔离仓库执行工具调用，FrogNano 本身不负责部署变更
- 约 1,500 个任务为合成训练数据，且偏 Python/英语；跨语言与真实企业代码库必须独立评测
- 补丁可能错误或不安全，即使通过可用测试也需要人工审查、回归测试和安全验证
- 图像和视频组件继承自上游但未被该模型后训练或评估，不应宣传为支持视觉输入
- 许可元数据与正文冲突，不能在采购材料中直接写成 MIT 或 Apache 之一
本页是官方资料索引与企业选型分析，不构成速度、显存、质量、许可或合规承诺。社区量化与第三方运行时应作为独立供应链组件审计。