/ Модель

Характеристики

Контекст
5 120 токенов
Параметры
131 млн
Лицензия
Apache 2.0
Архитектура
metadiffusion · dense
Базовая модель
Supra-1.5-50M-Base-exp
Библиотека
transformers
Опубликована
2 авг 2026

MetaDiffusion-150M-exp

Генерация текстаТекст → текст3 профессии

Экспериментальная диффузионная языковая модель для исследований преобразования авторегрессионных моделей и оценки архитектур генерации текста.

212скачиваний за 30 дней4лайкавеса обновлены7 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-exp — экспериментальная диффузионная языковая модель от CodeSoft, полученная преобразованием авторегрессионной Supra-1.5-50M-Base-exp с последующим расширением слоёв и продолжением диффузионного обучения. Архитектура MetaDiffusionForCausalLM содержит около 130,7 млн параметров по метаданным; в README указана оценка около 169,5 млн. Модель использует исходный токенизатор, а также timestep conditioning и обученный mask-токен. Контекст — 5120 токенов.

Модель предназначена для исследований диффузионных языковых моделей, экспериментов по преобразованию авторегрессионных моделей и сравнительной оценки архитектур, а также для дальнейшего дообучения. Она генерирует текст на английском языке; модель не настроена на следование инструкциям. README приводит результаты нулевого прогона на ARC-Easy, ARC-Challenge и ArithMark-3, поэтому её стоит рассматривать как исследовательский чекпойнт, а не готовый помощник.

Модель основана на SupraLabs/Supra-1.5-50M-Base-exp и распространяется по лицензии Apache-2.0. README прямо ограничивает её применение исследованиями и оценкой и не рекомендует производственное использование.

Сценарии применения

  • исследование диффузионной генерации текста
  • эксперименты по преобразованию авторегрессионной модели в диффузионную
  • сравнение архитектур диффузионных языковых моделей
  • оценка языковой модели на ARC и арифметических задачах
  • дообучение диффузионной модели для экспериментов

Ограничения

Модель не настроена на следование инструкциям, а README не рекомендует использовать её в производственной среде. Результаты приведённых тестов ограничены нулевым прогоном на трёх бенчмарках.

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

Architecture

MetaDiffusion-150M-exp is a diffusion language model created by converting the Supra-1.5-50M-Base-exp autoregressive model into a diffusion language model, then expanding it to approximately 150 million parameters through layer duplication before continued diffusion training.

The model retains the original tokenizer while introducing diffusion-specific components, including timestep conditioning and a learned mask token.

Architecture graph

SpecificationValue
ArchitectureMetaDiffusionForCausalLM
Parameters~169.5M
Vocabulary Size32,001 (32,000 + MASK token)
Hidden Size768
Intermediate Size2,112
Layers16
Attention Heads12
KV Heads6
Head Dimension64
Context Length5,120 tokens
TokenizerOriginal Supra byte-level BPE tokenizer
ActivationSiLU
RoPE θ10,000
Model TypeDiffusion Language Model

Data

Training was performed in two stages:

  1. Autoregressive-to-diffusion conversion using the Supra-1.5-50M-Base-exp checkpoint
  2. Model expansion from approximately 50M to 150M parameters via layer duplication, followed by continued diffusion pretraining.

Training schedule:

StageDatasetSteps
Initial diffusion trainingFineWeb-EDU100,000
Continued diffusion trainingThe Pile50,000

Benchmarks

Evaluation: lm-evaluation-harness (0-shot)

BenchmarkSamplesAccuracyNormalized Accuracy
ARC-Easy2,37638.30%35.40%
ARC-Challenge1,17218.86%21.84%
ArithMark-31,00031.30%31.60%

Average Scores

MetricScore
Average Accuracy29.49%
Average Normalized Accuracy29.61%

Running the Model

This repository includes an inference.py script for sampling from the model.

Example:

python inference.py \
  --model-path ./model.safetensors \
  --prompt "The cat sat on the" \
  --num-steps 256

Command Line Arguments

FlagDescriptionDefault
--model-pathPath to a local checkpoint or Hugging Face repositoryRequired
--promptInput prompt"The cat sat on the"
--seq-lenNumber of generated tokens256
--num-stepsNumber of diffusion denoising steps256
--temperatureSampling temperature0.6
--repetition-penaltyRepetition penalty1.5
--devicecuda or cpucuda
--watchDisplay intermediate denoising progressDisabled
--watch-everyDisplay every N denoising iterations4
--base-modelTokenizer sourceSupraLabs/Supra-1.5-50M-Base-exp

Generation Defaults

SettingValue
Denoising Steps512
Temperature0.6
Repetition Penalty1.5
Re-mask Ratio0.1
Max New Tokens512

Intended Use

MetaDiffusion-150M-exp is intended for:

  • Research on diffusion language models.
  • Experiments involving autoregressive-to-diffusion conversion.
  • Benchmarking novel diffusion language model architectures.
  • Further finetuning and experimentation.

This release is not instruction tuned and is not intended for production deployments.

Acknowledgements

MetaDiffusion is derived from the Supra-1.5-50M-Base-exp model. Credit goes to the Supra authors for the original autoregressive checkpoint that served as the initialization for this work. MetaDiffusion is released under the Apache-2.0 license in accordance with the licensing terms of the original Supra checkpoint.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура metadiffusion неизвестна transformers в образе рантайма.

Класс архитектуры
MetaDiffusionForCausalLM
Ревизия весов
0abb970

0 моделей