/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,2 млрд
Архитектура
olmo3_siamese_depth · dense
Библиотека
transformers
Опубликована
7 сен 2026

OLMo3-3B-SiameseNorm-DepthAttention-stage3

Генерация текстаТекст → текст9 профессий

Экспорт экспериментального чекпойнта OLMo 3 на 3,2 млрд параметров для генерации текста с контекстом до 65 536 токенов.

101скачиваний за 30 дней0лайковвеса обновлены7 сен 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 публикует экспорт модели OLMo 3 3B SiameseNorm + DepthAttention с этапа 3 обучения на длинном контексте; README указывает, что экспорт соответствует итерации 11921. Это плотная авторегрессионная языковая модель семейства OLMo 3 с архитектурой SiameseNorm и DepthAttention, предназначенная для генерации текста и работы с длинными последовательностями.

Модель содержит 3,2 млрд параметров и рассчитана на контекст до 65 536 токенов. Внимание чередует три слоя с локальным скользящим окном 4 096 токенов и один слой полного внимания; для полных слоёв применяется YaRN. Веса представлены в формате safetensors, загрузка описана для Transformers с trust_remote_code=True.

Карточка не сообщает о специальных предметных областях или языковой специализации, поэтому модель можно описать как языковую модель общего назначения. Лицензия в предоставленных данных не указана. Для использования требуется версия Transformers не ниже 4.57.6 и ниже 5, а также исполнение встроенного удалённого кода; качество отдельных задач в карточке не оценено.

Сценарии применения

  • генерация продолжений текста на длинном контексте
  • диалоговая генерация текста
  • суммаризация длинных документов
  • ответы на вопросы по длинному тексту

Ограничения

Языки и лицензия не указаны в предоставленных данных. Карточка не приводит результатов оценки качества; для загрузки требуется Transformers 4.57.6–4.x и trust_remote_code=True.

Для каких профессий подходит9

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 3B SiameseNorm + DepthAttention — Stage 3 Long-context Training

This repository is the Hugging Face export of o3sd3b-s3-s65536-g64-m1-ga2-tp2-cp8-dp32-h32-b2-lr2p5e4-w200-save1000-512npu-ptdata-0904062425-s3v1 at iteration 11921. This model preserves the trained SiameseNorm + DepthAttention architecture through bundled Hugging Face remote code. Load it with trust_remote_code=True.

  • Training sequence length: 65,536
  • Model context capacity: 65,536
  • Sliding-window size: 4,096
  • Attention pattern: [SWA, SWA, SWA, Full]
  • Vocabulary: 100,278 real tokens; 74 Megatron padding-only rows removed

Stage 3/4 use the frozen 65,536-token configuration. YaRN applies to the Full Attention layers; SWA layers retain their original RoPE and 4,096-token local window.

Loading

Use transformers>=4.57.6,<5.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "ArchSpace-Collection/OLMo3-3B-SiameseNorm-DepthAttention-stage3"
tokenizer = AutoTokenizer.from_pretrained(
    repo_id,
    trust_remote_code=True,
    use_fast=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 exact tokenizer behavior used during training. Conversion provenance, per-tensor hashes, and CPU validation results are included in conversion_manifest.json, SHA256SUMS, and hf_validation_report.json.

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
1a82237

0 моделей