/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
2,7 млрд
Лицензия
Apache 2.0
Архитектура
aether_v2_7way · MoE
Библиотека
transformers
Опубликована
20 июл 2026

AETHER-7B-7Attn-base

Генерация текстаТекст → текст3 профессии

Базовая MoE-языковая модель Aether с семью механизмами внимания для продолжения текста и исследований архитектуры.

330скачиваний за 30 дней32лайкавеса обновлены22 июл 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

AETHER-7B-7Attn-base — базовая авторегрессионная языковая модель семейства Aether, опубликованная FINAL-Bench. Это decoder-only MoE-модель с архитектурой aether_v2_7way: семь различных механизмов внимания распределены по 49 слоям. В репозитории доступны веса и код архитектуры; для загрузки требуется Transformers с trust_remote_code=True.

Модель предназначена для продолжения текста, исследований, оценки и бенчмаркинга весов, а также для сравнения разных запусков одной архитектуры. Метаданные указывают 2,7 млрд параметров и контекст до 4096 токенов; README приводит для описанного семейства размер 6,59 млрд параметров всего и около 3 млрд активных параметров, поэтому размер конкретного чекпойнта в источниках расходится. Указаны английский и корейский языки. Лицензия — Apache-2.0.

Это базовая модель без выравнивания безопасности и обучения следованию инструкциям, поэтому она предназначена для продолжения текста, а не для прямого использования как чат-ассистент. README предупреждает, что генерация медленная из-за отсутствия KV-кэша, и рекомендует batch_size=1: пакетирование последовательностей с паддингом может искажать результаты. Данные обучения, рецепт, код обучения, логи и гиперпараметры для этого чекпойнта не опубликованы.

Сценарии применения

  • продолжение текста на английском и корейском языках
  • бенчмаркинг базовой языковой модели
  • сравнение запусков архитектуры с разными механизмами внимания
  • исследование гетерогенного внимания в языковых моделях

Ограничения

Модель не обучена следовать инструкциям и не имеет выравнивания безопасности; README не рекомендует развертывать её без дополнительной адаптации. Генерация медленная из-за отсутствия KV-кэша, а пакетирование последовательностей с паддингом может приводить к некорректным результатам.

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

AETHER-7B-7Attn-base

Blog Collection Demo

Which Aether model should I use?

ModelWhat it isPick it if
Aether-7B-5Attn6.59B MoE base. Fully open - weights + data recipe + training code + all 162k-step logs + checkpointsYou want to audit, verify or rebuild a foundation model end to end
Aether-7B-5Attn-itThe same model, instruction-tunedYou want it to answer rather than continue text
AETHER-7B-7Attn-baseSame 49-layer architecture, a different checkpoint. Open weightsYou want a second run of this architecture to compare against
Aether-6B-11Attn-base121 layers, 11 sequence-mixing mechanisms in one network - attention, Mamba-2, Hyena, GDN, MLA - on an 11x11 Latin squareYou research heterogeneous sequence mixing. It is a mid-training research artifact

All four load the same way:

AutoModelForCausalLM.from_pretrained(MODEL, trust_remote_code=True, dtype=torch.bfloat16)

Aether-7B-5Attn Aether-7B-5Attn-it Checkpoints License

Open-weight release — weights and modeling code. Training data, recipe and logs are not included.

To our knowledge, the first foundation model to implement seven heterogeneous attention mechanisms within a single architecture.

Attention layout

7x7 Latin square attention layout

Seven distinct attention mechanisms (A–G) are distributed across 49 layers in a 7×7 Latin square — every mechanism appears exactly once in each row and each column, so no single mechanism dominates any depth band.

The layer-to-mechanism assignment is defined by LATIN_SQUARE_7x7 in modeling_aether_v2_7way.py.

Model

Parameters6.59B total / ~3B active (Mixture-of-Experts)
TypeDecoder-only language model, heterogeneous multi-attention architecture
Precisionbfloat16
LanguagesKorean, English
StagePretrained base (no instruction tuning)
DeveloperVIDRAFT

Unlike conventional models that repeat a single attention mechanism across all layers, AETHER-7B-7Attn composes seven distinct attention mechanisms inside one network. This heterogeneous design is the defining characteristic of the AETHER architecture.

Release scope

This repository ships the weights and the modeling code needed to load them.

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

MODEL = "FINAL-Bench/AETHER-7B-7Attn-base"
tok = AutoTokenizer.from_pretrained(MODEL)
model = AutoModelForCausalLM.from_pretrained(
    MODEL, trust_remote_code=True, dtype=torch.bfloat16, device_map="cuda"
).eval()

trust_remote_code=True is required — aether_v2_7way is a custom architecture.

Not released here: the training data, data mixture, training code, logs and hyperparameters. Those are published only for the fully-open sibling Aether-7B-5Attn, which shares this architecture. This model is therefore open-weight, not open-source, in the sense that it cannot be reproduced from what is in this repository.

Notes for use

  • Run at batch_size=1. The NSA branches do not consume a padding mask, so batching padded sequences can silently corrupt results.
  • No KV cache. use_cache is already False in the config; generation re-runs the full forward pass per token and is correspondingly slow.
  • Base model, no safety alignment. It continues text rather than following instructions. Do not deploy it as-is.

Intended use

Released for research, evaluation and benchmarking of the released weights. This is a base (pretrained) model — it continues text rather than following instructions.

License

Apache-2.0 — the released weights are free to use, modify and redistribute under the terms of the Apache License 2.0.

The architecture implementation is included in this repository under the same licence. The training pipeline and data recipe are not part of this release.


VIDRAFT · Sovereign AI

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
AETHERV27wayForCausalLM
Ревизия весов
e1bcc26

0 моделей