/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,2 млрд
Размер весов
4,3 ГБ
Лицензия
Apache 2.0
Архитектура
minicpm_hadamard · dense
Базовая модель
MiniCPM5-2B
Опубликована
9 сен 2026

MiniCPM5-2B-Hadamard-GSQ

Генерация текстаТекст → текст4 профессии

Экспериментальная адаптивно-квантованная MiniCPM5-2B предназначена для генерации текста и диалогов с длинным контекстом.

186скачиваний за 30 дней1лайквеса обновлены12 сен 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

F-Labs выпустила экспериментальную адаптивно-квантованную версию языковой модели MiniCPM5-2B для генерации текста и диалогов. Она основана на openbmb/MiniCPM5-2B и использует архитектуру MiniCPMHadamardForCausalLM с плотной сетью примерно на 2,2 млрд параметров и контекстом до 131 072 токенов. Модель рассчитана на оценку и запуск через PyTorch и Transformers с пользовательским загрузчиком из репозитория.

Веса сочетают BF16 для 234 чувствительных к качеству проекций и групповую INT8-квантизацию для 60 MLP-проекций; в пайплайне также применяются преобразования Hadamard/Rademacher и низкоранговые остаточные факторы. Размер артефакта около 4,02 ГиБ. Карточка приводит ограниченную проверку на трёх англоязычных, китайских и русскоязычных запросах, но не подтверждает качество на широких бенчмарках. Модель поддерживает английский, китайский и русский языки. Лицензия — Apache-2.0.

Сценарии применения

  • диалоговый ассистент на английском, китайском или русском
  • генерация текста с большим контекстом
  • оценка качества квантования языковой модели
  • эксперименты с запуском MiniCPM5-2B через PyTorch и Transformers

Ограничения

Качество проверено лишь на коротком тесте из трёх запросов; широкие бенчмарки и точность на длинном контексте ещё оцениваются. Для загрузки нужен пользовательский код из репозитория, а напрямую через стандартный llama.cpp артефакт не поддерживается.

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

MiniCPM5-2B FQuant adaptive research release

FQuant major update — 2026-09-12. This model is backed by the current FQuant calibration-aware pipeline, including deterministic Hadamard/Rademacher transforms, activation-weighted scales, weighted randomized SVD, sensitivity- guided mixed precision, architecture-aware loading, and numerical runtime checks. The release contains 3 weight shards, 561 indexed tensors, and reproducibility metadata. FQuant core validation passes 12 tests and the MiniCPM numerical/integration suite passes 6 tests.

This is a substantial engineering update to the FQuant model path rather than a metadata-only repack. It is still an experimental quality-oriented release: the current artifact is approximately 4.02 GiB, broad benchmark accuracy, long-context recall, and optimized llama.cpp throughput remain under evaluation.

This is an experimental calibration-aware release of openbmb/MiniCPM5-2B. It is intended for PyTorch and Transformers evaluation with the custom files in this directory. The artifact was built with deterministic Rademacher signs, block Walsh-Hadamard rotations, activation-weighted scale selection, weighted randomized SVD, robust L0-L3 layer diagnostics, and a mixed-precision policy.

The current quality probe stores 234 high-sensitivity projections in BF16 and 60 remaining MLP gate/up projections in groupwise INT8. The serialized model is approximately 4.02 GiB versus 4.69 GiB for the BF16 source, a 1.16x size ratio. This is a quality-oriented intermediate point; it deliberately trades some compression for lower logit drift. The release report records the exact layer rank map and calibration moments.

Update — 2026-09-12

This local release was refreshed after a numerical review of the loader and KV-BSS path. The update validates GQA head divisibility and attention-mask shapes, keeps fully masked attention rows finite, initializes scratch models deterministically, and adds cache-versus-uncached logit parity checks. The current repository test suite passes 7 tests. KV-BSS now computes attention scores in FP32 and contains non-finite query/key/value inputs at the attention boundary, so a malformed score cannot crash generation. The model artifact itself is unchanged by these runtime checks; its calibration report remains the source of truth for the measured quality probe above.

Load

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "./MiniCPM5-2B-Hadamard-GSQ-adaptive",
    dtype=torch.bfloat16,
    trust_remote_code=True,
)
tokenizer = AutoTokenizer.from_pretrained(
    "./MiniCPM5-2B-Hadamard-GSQ-adaptive",
    trust_remote_code=True,
)

The custom loader is required because the weights use FQuant tensor names (weight_bf16, qweight_int8, scales_int8, qweight_packed, scales, and low-rank factors) rather than a standard Transformers linear weight.

Validation snapshot

On three fixed English, Chinese, and Russian prompts stored in adaptive_bifurcation_report.json, averaged by valid token position and compared with the raw BF16 model and the previous GSQ release:

MetricPrevious GSQAdaptive hybrid
Relative logit L20.6190.545
Logit cosine0.7910.838
KL from BF16 per valid token2.141.70
Top-1 agreement35.3%29.5%

This is a short three-prompt probe, not a benchmark or a claim of general quality improvement. Run a held-out task evaluation before treating the artifact as a default release.

llama.cpp status

Stock llama.cpp cannot load this artifact directly yet. A compatible path will need a converter and a small backend extension for the paired input rotation, mixed BF16/INT8/INT4 tensors, and low-rank residual factors. Folding the whole operation into ordinary GGUF weights would remove the compression advantage, so the llama.cpp adapter is intentionally deferred until the PyTorch quality tests are complete.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MiniCPMHadamardForCausalLM
Ревизия весов
d322fd1

0 моделей