/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
6,9 млрд
Размер весов
14,6 ГБ
Лицензия
Apache 2.0
Архитектура
olmo3 · dense
Базовая модель
Olmo-3-1025-7B
Библиотека
transformers
Опубликована
10 сен 2026

OLMo-3-7B-CPT-BF16

Генерация текстаТекст → текст4 профессии

Производная модели CompassioninMachineLearning/OLMo-3-7B-CPT-BF16_olddata. Англоязычная языковая модель OLMo-3 с 6,9 млрд параметров, дообученная продолжением предобучения для генерации текста и дальнейшей адаптации.

217скачиваний за 30 дней0лайковвеса обновлены10 сен 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

Карточка модели CompassioninMachineLearning/OLMo-3-7B-CPT-BF16 на Hugging Face совпадает с карточкой CompassioninMachineLearning/OLMo-3-7B-CPT-BF16_olddata, поэтому описание составлено по ней.

CompassioninMachineLearning/OLMo-3-7B-CPT-BF16_olddata — самостоятельная версия OLMo-3-7B от CompassioninMachineLearning, полученная продолжением предобучения базовой модели allenai/Olmo-3-1025-7B. Это плотная авторегрессионная языковая модель семейства OLMo 3 с 6,9 млрд параметров, контекстом 65 536 токенов и весами BF16 в формате Safetensors; для загрузки используется Transformers. В README описан чекпойнт второго этапа обучения, а также отдельные ревизии для других этапов.

Модель предназначена для генерации текста и дальнейшей адаптации. Её можно использовать как основу для продолжения обучения или для экспериментов с генерацией на английском языке. README сообщает о проверке загрузки и генерации, однако приведённые значения потерь получены во время обучения адаптера и не являются независимой оценкой качества экспортированных весов. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация текста на английском языке
  • продолжение предобучения языковой модели на собственных данных
  • создание производной модели для специализированных задач

Ограничения

Значения потерь в карточке измерены при обучении адаптера и не являются независимой оценкой качества экспортированной модели; для оценки поведения разных этапов обучения требуется отдельное тестирование.

Для каких профессий подходит4

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

OLMo-3-7B-CPT-BF16

Standalone BF16 (16-bit) continued-pretraining model. This revision contains the complete model from epoch 2, step 750, in exactly eight safetensors weight shards. Load directly with Transformers.

Epochs

main contains epoch 2, the best training-time validation checkpoint. Each completed epoch is independently loadable using its epoch-N revision. Both training runs stopped after four epochs; there is no epoch-five export.

RevisionTraining stepTraining-time validation loss
epoch-13751.3267499
epoch-27501.3001196
epoch-311251.3246491
epoch-415001.3742925

These losses were measured during adapter training, not by a new evaluation of the BF16 exports. Evaluate the four revisions separately to measure behavior changes across epochs.

Load a specific epoch

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "CompassioninMachineLearning/OLMo-3-7B-CPT-BF16"
revision = "main"
tokenizer = AutoTokenizer.from_pretrained(model_id, revision=revision)
model = AutoModelForCausalLM.from_pretrained(
    model_id, revision=revision, dtype=torch.bfloat16, device_map="auto"
)

Merge provenance and validation

  • Original base: allenai/Olmo-3-1025-7B at a81bae42db3975be1671e27b9c9a56da1a9f980f.
  • Source adapter: checkpoint 750.
  • Adapter repository revision: edba4e91735a37b3c886961e707355f3e541ef61.
  • Adapter SHA-256: c1486c306d6a1a9b5a77d6abd8151f0a4f0f4a4051397181db754dda4700f04d.
  • Merged 224 rsLoRA layers with PEFT's safe merge.
  • The separately trained embed_tokens and lm_head matrices are included.

Training used a 4-bit base; these exports merge the trained adapter into the pinned original BF16 base. The merge was performed using PEFT's safe merge, not Unsloth's export helper. Every tensor was checked for finite BF16 values and the complete architecture's names and shapes. Every epoch passed a standalone load, finite-logit forward pass and short greedy generation. No separate adapter is required, and optimizer/trainer checkpoint files are not included.

merge_manifest.json records source and output checksums. validation.json records the inference smoke test. training_manifest.json preserves the training settings. Shard count controls packaging; BF16 specifies the 16-bit precision.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo3ForCausalLM
Ревизия весов
483864c

0 моделей