/ Модель

Характеристики

Контекст
5 120 токенов
Параметры
131 млн
Лицензия
Apache 2.0
Архитектура
metadiffusion · dense
Базовая модель
MetaDiffusion-150M-exp
Опубликована
9 авг 2026

MetaDiffusion-150M-ChatBase

Генерация текстаТекст → текст3 профессии

Экспериментальная диффузионная языковая модель CodeSoft для генерации диалогового текста и дальнейшего дообучения под узкие задачи.

76скачиваний за 30 дней2лайкавеса обновлены17 авг 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

MetaDiffusion-150M-ChatBase — экспериментальная языковая модель CodeSoft для генерации диалогового текста и последующего дообучения под конкретные задачи. Это плотная masked-diffusion Transformer-модель с двунаправленным вниманием и временным кондиционированием: текст создаётся итеративным снятием масок с последовательной фиксацией блоков. В метаданных указано 130,8 млн параметров, контекст 5120 токенов и формат safetensors; README описывает веса fp16 и размер 169,5 млн параметров, поэтому оценки размера расходятся.

Модель дообучена для чата на smol-smoltalk и no_robots поверх CodeSoft/MetaDiffusion-150M-exp. Она предназначена прежде всего для экспериментов и последующего специализированного дообучения. Карточка отмечает слабое следование инструкциям, потерю связности и фактической точности в многоходовых диалогах и связный вывод примерно на 60–100 токенов. Указана лицензия Apache-2.0.

Сценарии применения

  • эксперименты с диффузионной генерацией текста
  • генерация коротких ответов в диалоге
  • дообучение компактной языковой модели под узкую задачу

Ограничения

Следование инструкциям слабое; связность и фактическая точность ухудшаются в многоходовом диалоге, а связный вывод ограничен примерно 60–100 токенами. README и метаданные приводят разные размеры модели: 169,5 млн и 130,8 млн параметров соответственно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MetaDiffusion-150M-ChatBase

MetaDiffusion-150M-ChatBase is a masked-diffusion language model converted from an autoregressive base model and chat-tuned for downstream experimentation. It uses bidirectional attention with timestep conditioning and generates text through iterative masked denoising with left-to-right block commitment. Built by chat tuning CodeSoft/MetaDiffusion-150M-exp on smol-smoltalk (460K conversations, Apache-2.0) + no_robots (9.5K, Apache-2.0).

Architecture graph

  • Architecture: 16L x 768W, 169.5M params, bidirectional attention, timestep conditioning, 32,010 vocab (ChatML tokens added), context 5120
  • Weights: fp16 safetensors (339 MB), untied lm_head
  • Generation: masked denoising (left-to-right block commit, 128 steps default)

Intended use

Downstream fine-tuning for specific tasks. This is NOT designed for production, instruction following is weak and coherent output is limited to roughly 60-100 tokens.

Quickstart (chat)

pip install -r scripts/requirements.txt

# Interactive, with live denoising view (--watch):
python scripts/chat.py --model-path . --watch

# One-shot:
python scripts/chat.py --model-path . --prompt "What is the capital of France?"

The --watch flag shows the response denoising in real time: step count, noise level t, masks remaining, and the partial text building into place. Generation defaults live in generation_config.json (128 steps, 96-token block, temperature 0.7, repetition penalty 1.5).

Fine-tune it

# 1. Your data:
#    a) HF dataset names (no_robots, alpaca, dolly, smol-smoltalk, math)
python scripts/prepare_data.py --model-path . \
    --data-dir my_data --datasets no_robots

#    b) Local ChatML files: .jsonl, .json, .parquet (messages/instruction shapes)
python scripts/convert_data.py --model-path . --input my_chat.jsonl \
    --output my_data
python scripts/convert_data.py --model-path . --input ./data_folder \
    --output my_data

# 2. Train
python scripts/train_chat.py --model-path . \
    --data-dir my_data --output-dir my_checkpoints \
    --lr 7e-5 --epochs 3 --patience 6

# 3. Chat with your model
python scripts/chat.py --model-path my_checkpoints/best.pt \
    --tokenizer my_data/tokenizer --watch

# 4. Export a new release artifact (self-packages the scripts too)
python scripts/export_hf.py --checkpoint my_checkpoints/best.pt \
    --tokenizer my_data/tokenizer --output ./MetaDiffusion-150M-MyTask --fp16

The whole pipeline runs on a single consumer GPU.

Behavior

The model returns coherent sentences but loses coherence and factuality over multi-turn conversations.

Generation notes

  • Left-to-right (semi-autoregressive) block commit: confidence-based unmasking lets <|im_end|> win at position 0 and produced empty responses on this architecture at 150M; left-to-right fixed it (verified).
  • Denoising stops early once <|im_end|> is committed.

Model lineage

MetaDiffusion-150M-ChatBase is derived through the following process:

  1. Start from SupraLabs/Supra-1.5-50M-Base-exp.
  2. Convert the autoregressive model into a masked-diffusion architecture.
  3. Continue pre-training on FineWeb-EDU.
  4. Expand the model to 150M parameters.
  5. Continue pretraining on The Pile.
  6. Chat-tune on HuggingFaceTB/smol-smoltalk and HuggingFaceH4/no_robots.

The resulting model uses bidirectional attention and timestep conditioning rather than conventional causal attention.

License details

Apache-2.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура metadiffusion неизвестна transformers в образе рантайма.

Класс архитектуры
MetaDiffusionForCausalLM
Ревизия весов
670c6a5

0 моделей