/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,3 млрд
Архитектура
olmo3_siamese_depth · dense
Библиотека
transformers
Опубликована
31 июл 2026

OLMo3-1B-SiameseNorm-DepthAttention-stage2

Генерация текстаТекст → текст5 профессий

Чекпойнт OLMo 3 stage2 с SiameseNorm и DepthAttention предназначен для авторегрессионной генерации текста в контексте до 8192 токенов.

187скачиваний за 30 дней0лайковвеса обновлены31 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ArchSpace-Collection выпустила чекпойнт OLMo 3 с архитектурными изменениями SiameseNorm и DepthAttention; stage2 соответствует этапу mid-training. Это плотная авторегрессионная трансформерная модель на 1,3 млрд параметров для генерации текста. Архитектура включает 16 слоёв, скрытый размер 2048, 16 голов внимания и чередование скользящего окна и полного внимания в пропорции 3:1; размер окна — 4096 токенов.

Модель рассчитана на контекст до 8192 токенов и работает через Transformers. Репозиторий содержит веса в safetensors, конфигурацию, токенизатор и пользовательский код модели; для загрузки README указывает `trust_remote_code=True`. Карточка не описывает специальные прикладные области или поддерживаемые естественные языки. Сведения о лицензии отсутствуют в предоставленных данных.

Сценарии применения

  • генерация продолжения по заданному тексту
  • создание черновиков и вариантов формулировок
  • ответы на текстовые запросы генеративной моделью

Ограничения

Поддерживаемые естественные языки и лицензия не определяются по предоставленной карточке и метаданным. Для загрузки требуется разрешить пользовательский код модели через `trust_remote_code=True`.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OLMo 3 with SiameseNorm and DepthAttention

This repository is one of five standalone OLMo 3 checkpoints trained with SiameseNorm and DepthAttention. All model, configuration, tokenizer, and custom modeling files are stored directly at the repository root.

Repository suffixTraining phaseContext length
stage1Pretraining8,192
stage2Mid-training8,192
stage3Long-context training65,536
stage4-thinkThink SFT65,536
stage4-instructInstruct SFT65,536

Stage 3 and Stage 4 apply YaRN only to Full-attention layers. Sliding-window attention layers retain the original RoPE and a 4,096-token window.

Loading

Set repo_id to the desired repository from the table above:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "ArchSpace-Collection/OLMo3-SiameseNorm-DepthAttention-<stage>"

tokenizer = AutoTokenizer.from_pretrained(
    repo_id,
    trust_remote_code=True,
    fix_mistral_regex=False,
)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    trust_remote_code=True,
    dtype=torch.bfloat16,
    attn_implementation="sdpa",
)

fix_mistral_regex=False preserves the tokenizer behavior used during training. SDPA is the recommended and release-validated BF16 inference backend.

Architecture

  • 16 transformer layers
  • hidden size 2,048
  • intermediate size 8,192
  • 16 query heads and 16 key/value heads
  • 128-dimensional attention heads
  • 3:1 sliding-window/full-attention pattern
  • 4,096-token sliding window
  • reordered RMSNorm, SiameseNorm, and DepthAttention

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
Olmo3SiameseDepthForCausalLM
Ревизия весов
64e077c

0 моделей