/ 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-stage4-think

Генерация текстаТекст → текст8 профессий

Экспортированная версия OLMo 3 3B с SiameseNorm и DepthAttention для генерации текста и диалогов с длинным контекстом.

102скачиваний 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

Это экспортированная в формат Hugging Face модель OLMo 3 3B SiameseNorm + DepthAttention, подготовленная ArchSpace-Collection на основе чекпойнта Stage 4 Think SFT. Она предназначена для генерации текста и диалогового общения; также заявлен интерфейс вызова инструментов. Модель плотная, содержит 3,2 млрд параметров и использует архитектуру Olmo3SiameseDepthForCausalLM с чередованием локального скользящего и полного внимания.

Модель рассчитана на контекст до 65 536 токенов; размер окна скользящего внимания — 4 096 токенов. В README указаны обучение на последовательностях длиной 32 768 токенов и сохранение конфигурации контекста на 65 536 токенов для этапов 3 и 4. Данные не уточняют поддерживаемые естественные языки и лицензию, поэтому их нельзя надёжно указать. Для загрузки требуются Transformers версии 4.57.6 или новее в рамках ветки 4 и включённый trust_remote_code.

Сценарии применения

  • генерация продолжений текста
  • диалоговое общение с длинным контекстом
  • ответы на вопросы в текстовом чате
  • вызов инструментов из диалога

Ограничения

Для загрузки требуется Transformers версии 4.57.6 или новее в пределах ветки 4 и trust_remote_code=True. Поддерживаемые языки и лицензия в предоставленных данных не указаны.

Для каких профессий подходит8

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 4 Think SFT

This repository is the Hugging Face export of o3sd3b-think-sft-dolci-s32768-g32-m1-ga2-tp2-cp8-dp16-h16-b2-lr2e5-min1e6-wd5e2-wu10pct-2ep-256npu-ptdata-20260904t154044z-s4v1 at iteration 43224. This model preserves the trained SiameseNorm + DepthAttention architecture through bundled Hugging Face remote code. Load it with trust_remote_code=True.

  • Training sequence length: 32,768
  • 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-stage4-think"
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
d598ab8

0 моделей