/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
metadiffusion · dense
Базовая модель
Qwen3-0.6B
Библиотека
transformers
Опубликована
16 авг 2026

MetaDiffusion-600M-ChatBase

Генерация текстаТекст → текст3 профессии

Экспериментальная диффузионная модель генерации текста на основе Qwen3-0.6B, предназначенная для дальнейшего дообучения и исследований.

82скачиваний за 30 дней1лайквеса 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-600M-ChatBase — экспериментальная чат-модель с двунаправленной маскированной диффузией, созданная CodeSoft на основе Qwen3-0.6B методом преобразования авторегрессионной модели в диффузионную. Она предназначена прежде всего как базовая модель для дальнейшего дообучения и экспериментов, а не как готовый производственный чат-бот. Модель обучалась на smol-smoltalk, no_robots и OpenMathInstruct-2 и поддерживает генерацию текста; в метаданных указаны 507,6 млн параметров, тогда как README сообщает около 0,82 млрд. Архитектура включает 28 слоёв трансформера, ширину 1024, GQA и двунаправленное внимание без причинной маски. Контекст — до 40 960 токенов, веса в формате BF16 и SafeTensors; библиотека запуска — Transformers. Указанная лицензия — Apache-2.0.

Модель принимает текст и генерирует текст. Карточка описывает её как основу для дальнейшего SFT, поэтому для прикладных диалогов и следования инструкциям потребуется дообучение. Качество следования инструкциям, фактическая точность и безопасность не оптимизированы; поведение может заметно отличаться от Qwen3-0.6B-Instruct.

Сценарии применения

  • эксперименты с двунаправленной диффузионной генерацией текста
  • создание чат-модели путём дальнейшего SFT
  • исследование преобразования авторегрессионных моделей в диффузионные
  • дообучение модели на диалоговых и математических данных

Ограничения

Модель экспериментальная и предназначена для дальнейшего дообучения; следование инструкциям, фактическая точность и безопасность не оптимизированы. README указывает около 0,82 млрд параметров, тогда как метаданные каталога — 507,6 млн.

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-600M-ChatBase

Experimental bidirectional masked-diffusion chat model converted from Qwen3-0.6B via AR-to-diffusion model surgery (28L x 1024W, ~0.82B params, untied head, bf16, 40K-token context (RoPE base 1e6), Apache-2.0). Intended as a base for further SFT, not a production chatbot.

What this is

The AR checkpoint becomes the initialization (weights copied, timestep modules zero-init, the [MASK] and seven auxiliary "rainbow" padding rows are mean-initialized); diffusion behavior is learned throughout training. Trained using smol-smoltalk, no_robots, and OpenMathInstruct-2.

Architecture

  • Blocks: 28 transformer layers, hidden dim 1024, SwiGLU MLP with intermediate 3072, pre-norm RMSNorm (eps 1e-6), QK-norm on. Timestep conditioning is a sinusoidal MLP embedding (1024) feeding per-block adaLN-style scale+shift modulation.

  • Attention: GQA with 16 query heads / 8 KV heads, head_dim 128. Bidirectional self-attention with no causal mask.

  • Context: 40,960 tokens max (RoPE, base theta 1e6).

  • Params: 0.82B total with untied embeddings: embed_tokens 151,677 x 1024 and a separate lm_head of the same size.

  • Vocab / IO: 151,677 rows = Qwen3's 151,669 + [MASK] (id 151669) + 7 rainbow padding tokens (151670-151676); pad_token_id is <|endoftext|> (151643), eos is <|im_end|> (151645). bf16 weights, 371 tensors in model.safetensors.

Architecture graph

Use with Transformers

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "CodeSoft/MetaDiffusion-600M-ChatBase"

m = AutoModelForCausalLM.from_pretrained(
    repo,
    trust_remote_code=True,
    dtype=torch.bfloat16,
).to("cuda")

tok = AutoTokenizer.from_pretrained(
    repo,
    subfolder="tokenizer",
    trust_remote_code=True,
)

prompt = tok.apply_chat_template(
    [{"role": "user", "content": "hi"}],
    tokenize=False,
    add_generation_prompt=True,
)

inputs = tok(prompt, return_tensors="pt").to("cuda")

with torch.inference_mode():
    out = m.generate(
        **inputs,
        max_new_tokens=100,
    )

print(tok.decode(out[0], skip_special_tokens=True))

Chat with it (chat.py)

python chat.py \
      --model-path model.safetensors \
      --tokenizer ./tokenizer \
      --im-end-bias 2.0 --im-end-bias-t 0.3 --watch

Fine-tune (train.py)

# 1. Init: convert the AR model to a diffusion init
python convert.py --source Qwen/Qwen3-0.6B \
    --output init/metadiffusion-600M-instruct.pt \
    --tokenizer-out data/tokenizer

# 2. Corpus: smol, opc, math and no_robots, or a local --jsonl of {"messages": [...]} rows.
#    --val-fraction holds out a disjoint val set for early stopping.
python prepare_data.py --datasets smol,math --out data \
    --val-fraction 0.05

# 3. Train (defaults: lr 5e-5, bf16, seq 512, batch auto-detected)
python train.py --init-checkpoint init/metadiffusion-600M-instruct.pt \
    --data-dir data --output-dir checkpoints --max-steps 30000

# 4. Continue a run: checkpoints carry model + optimizer + scheduler
#    state, so --resume-from picks up LR position and momentum exactly
python train.py --init-checkpoint init/metadiffusion-600M-instruct.pt \
    --data-dir data --output-dir checkpoints \
    --resume-from checkpoints_p2/step_20000.pt --max-steps 16000

# 5. Test, then ship
python chat.py --model-path checkpoints_/step_30000.pt \
    --tokenizer data/tokenizer --watch
python export_hf.py --checkpoint checkpoints/step_30000.pt \
    --tokenizer data/tokenizer --output MetaDiffusion-600M-ChatBase

Limitations

This model is an experimental research checkpoint intended for further fine-tuning and experimentation. It is not optimized for instruction-following, factuality, safety, or production deployment. Behavior may differ substantially from the original Qwen3-0.6B-Instruct model.

License

Apache-2.0

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
MetaDiffusion600MForCausalLM
Ревизия весов
720a8a8

0 моделей