/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,1 млрд
Размер весов
6,7 ГБ
Лицензия
Apache 2.0
Архитектура
smollm3 · dense
Базовая модель
Open-MOPD-SmolLM3-3B-MixSFT
Библиотека
transformers
Опубликована
18 авг 2026

Open-MOPD-SmolLM3-3B-Final

Генерация текстаТекст → текст9 профессий

Англоязычная модель SmolLM3 на 3,1 млрд параметров для генерации текста, математических задач, программирования и следования инструкциям.

203скачиваний за 30 дней3лайкавеса обновлены18 авг 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Open-MOPD-SmolLM3-3B-Final — англоязычная плотная языковая модель BytedTsinghua-SIA для генерации текста, дообученная методом онлайн-дистилляции с несколькими учителями. Модель основана на BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT и имеет около 3,1 млрд параметров; архитектура — SmolLM3ForCausalLM. Репозиторий содержит веса safetensors, а карточка указывает лицензию Apache-2.0.

Модель предназначена для решения математических задач, генерации кода и выполнения инструкций в диалоговом формате. Обучение использовало отдельных RL-учителей для этих трёх областей и маршрутизацию запросов к соответствующему учителю. Указанная длина контекста — 65 536 токенов; в оценивании использовалось до 32 768 токенов. В карточке приведены результаты на наборах AIME24/25, LiveCodeBench v5/v6, IFEval и IFBench_test.

Модель поддерживает английский язык. Бенчмарк-карточка отмечает, что одиночная генерация с жадным декодированием не сопоставима с опубликованными результатами: для их воспроизведения требуется описанный протокол семплирования. Приведённые оценки отражают тестовые наборы и протокол карточки, а не гарантируют качество на других задачах.

Сценарии применения

  • решение математических задач и задач олимпиадного уровня
  • генерация и дополнение кода
  • ответы на запросы по программированию
  • выполнение многошаговых инструкций
  • диалоговая генерация текста

Ограничения

Опубликованные результаты получены с конкретными параметрами семплирования; одиночная жадная генерация с ними напрямую не сопоставима. Бенчмарки охватывают математику, код и следование инструкциям, поэтому не характеризуют качество во всех областях.

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

Open-MOPD-SmolLM3-3B-Final

This is the final flagship model from the Open-MOPD pipeline. Starting from BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT, it is trained with multi-teacher online policy distillation using three domain-specific RL teachers for math, code, and instruction following. This release corresponds to training step 200.

Each prompt is hard-routed to its domain teacher. The dense reward is the teacher-student log-probability gap over the student's top-k distribution (k=16, nucleus p=0.99), weighted by the student probabilities and applied directly as the token-level advantage.

Open-MOPD uses three mechanisms to prevent cross-domain training imbalance:

  • Token-share balancing keeps the weighted gradient-token share near one third per domain. Without it, math and code consume about 99% of gradient tokens.
  • Gap-aware allocation (alpha=1) shifts the training budget toward domains with more remaining teacher-student improvement.
  • Reward refresh recomputes the student-dependent part of the dense reward at every inner update without adding extra prefills.

Training uses a global batch size of 1,024, mini-batch size 256, constant learning rate 1.5e-6, clipping at 0.2/0.28, no KL penalty, and a domain sampling ratio of math:code:IF = 2:2:1.

Results

MethodMathCodeIFOverallRecovery
RouteRL teacher upper bound24.2421.7351.0832.35100%
Open-MOPD Final22.4221.7349.5831.2483.4%
Naive multi-teacher OPD21.2619.2643.6428.0535.6%
MixSFT starting point17.9517.6041.4625.67-

Per-dataset scores are AIME24 21.98, AIME25 22.86, LiveCodeBench v5 20.84, LiveCodeBench v6 22.63, IFEval 74.49, and IFBench_test 24.67. Recovery measures the fraction of the overall score gap between MixSFT and the routed-teacher upper bound recovered by the final student.

Evaluation protocol

Results are averaged per dataset, then per domain, followed by a macro-average over the three domains.

  • Math: AIME24 and AIME25, avg@64, temperature 0.6.
  • Code: LiveCodeBench v5 and v6, avg@10, temperature 1.0.
  • Instruction following: IFEval and IFBench_test, n=1, temperature 1.0, with enable_thinking=true.

All evaluations use max_model_len=32768, top_p=0.95, top_k=-1, and stop_token_ids=[128012]. Code is reported as avg@10, not best@10.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-Final"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    dtype="bfloat16",
    device_map="auto",
)

messages = [{"role": "user", "content": "Find all real solutions of x^3 - 3x + 1 = 0."}]
inputs = tokenizer.apply_chat_template(
    messages,
    return_tensors="pt",
    add_generation_prompt=True,
    enable_thinking=True,
).to(model.device)

outputs = model.generate(
    inputs,
    max_new_tokens=8192,
    temperature=0.6,
    top_p=0.95,
    do_sample=True,
)
print(tokenizer.decode(outputs[0][inputs.shape[-1]:], skip_special_tokens=True))

Single greedy generations are not comparable to the reported benchmark results; use the sampling protocol above for reproduction.

Model family

SmolLM3-3B-Base -> MixSFT initialization -> Math/Code/IF RL teachers -> Open-MOPD Final.

The full family and training/evaluation data are released under the BytedTsinghua-SIA organization.

Model specifications

  • Architecture: SmolLM3ForCausalLM
  • Parameters: approximately 3B
  • Layers: 36
  • Vocabulary size: 128,256
  • Weights: BF16, approximately 6.2 GB
  • Context used in evaluation: 32,768 tokens
  • Includes tokenizer and chat template

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SmolLM3ForCausalLM
Ревизия весов
228a146

0 моделей