/ Модель

Характеристики

Контекст
12 288 токенов
Параметры
800 млн
Лицензия
Apache 2.0
Архитектура
Lumma · dense
Библиотека
transformers
Опубликована
6 июл 2026

Lumma-0.6B-Base

Генерация текстаТекст → текст5 профессий

Компактная базовая языковая модель FrontiersMind для генерации и адаптации текста на английском и индийских языках.

893скачиваний за 30 дней24лайкавеса обновлены14 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

Lumma-0.6B-Base — базовая многоязычная авторегрессионная языковая модель FrontiersMind, обученная с нуля на 1 трлн токенов. Она предназначена для генерации текста и дальнейшей адаптации под прикладные задачи; авторы не рекомендуют использовать базовую версию для диалогов без дополнительного обучения. Модель имеет плотную decoder-only архитектуру Transformer примерно на 800,5 млн параметров по метаданным, а в README указано 600 млн. Контекст — 12 288 токенов.

Модель обучалась на английском и индийских языках: хинди, бенгали, тамильском, телугу, маратхи, гуджарати, каннада, малаялам, пенджаби и одия. Архитектурные особенности включают Grouped Query Attention, Shared KV для сокращения памяти KV-кэша примерно на 50%, RMSNorm с QK-нормализацией, SwiGLU и многоязычный токенизатор. Лицензия — Apache 2.0.

Компактный размер и режим Shared KV рассчитаны на экономичный инференс, в том числе с длинным контекстом и ограниченной памятью. Для специализированных сценариев и диалогов может потребоваться дообучение; заявленные бенчмарки в доступной карточке приведены без таблицы результатов.

Сценарии применения

  • генерация текста на английском и индийских языках
  • продолжение и дополнение текста
  • адаптация базовой модели для предметной области
  • дообучение языковой модели для многоязычного приложения

Ограничения

Это базовая модель: авторы не рекомендуют применять её для диалогов без дополнительного постобучения. README заявляет 600 млн параметров, тогда как метаданные указывают 800,5 млн.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Lumma-0.6B-Base

A multilingual language model optimized for efficient deployment and English–Indic language understanding.

600M Parameters • 1 Trillion Training Tokens • 12,288 Context Length • Shared KV

Supported Languages

The model is trained on English and a diverse set of Indic languages, including:

English, Hindi, Bengali, Tamil, Telugu, Marathi, Gujarati, Kannada, Malayalam, Punjabi, Odia


Overview

Lumma-0.6B-Base is a multilingual decoder-only language model trained from scratch on 1 trillion tokens. It is designed for efficient deployment, long-context inference, and strong multilingual performance across English and Indic languages, featuring a compact transformer architecture, memory-efficient attention mechanisms, and an optimized multilingual tokenizer.


Key Features

  • Trained from scratch on 1 trillion tokens
  • 600 million parameter decoder-only Transformer
  • Native English and Indic language pretraining
  • Shared KV Attention for memory-efficient inference
  • 12,288 token context length
  • Grouped Query Attention (GQA)
  • RMSNorm with QK Normalization
  • SwiGLU feed-forward network
  • Factorized tied embeddings
  • Large multilingual tokenizer optimized for Indic languages

[!NOTE] We do not recommend using base language models for conversations. Instead, you can apply post-training, e.g., SFT, RLHF, continued pretraining, etc., on this model.

Shared KV

Lumma introduces Shared KV, an alternative key-value caching strategy designed to reduce inference memory requirements without significantly impacting model quality.

Instead of computing independent Key and Value projections, both are derived from a shared latent representation. During attention computation, lightweight Key normalization and RoPE transformations are applied dynamically.

This approach reduces KV-cache memory usage by approximately 50%, making Lumma better suited for long-context inference and memory-constrained deployments.


KV Cache Modes

Lumma supports two inference modes depending on deployment requirements.

Shared KV

model.config.kv_cache_mode = "shared"

Recommended when memory is the primary bottleneck.

  • Approximately 50% lower KV-cache memory
  • Slightly higher compute overhead
  • Better suited for long-context inference

Vanilla KV

model.config.kv_cache_mode = "vanilla"

Recommended for standard deployments.

  • Standard KV-cache implementation
  • Lower compute overhead
  • Maximum compatibility across inference frameworks

Benchmark Results

The following results correspond to the released Lumma-0.6B model trained on 1 trillion tokens.

General Benchmarks


Multilingual Tokenization

Efficient tokenization is particularly important for multilingual language models.

Lower fertility indicates fewer tokens are required to represent text, improving both training efficiency and inference cost.

LanguageSmolLM3-3BQwen3-0.6BSarvam-1Lumma-0.6B
English1.171.161.321.18
Bengali8.667.511.551.44
Gujarati10.479.371.551.53
Hindi2.715.141.251.32
Kannada16.4312.962.101.90
Malayalam17.7714.562.492.05
Marathi3.736.701.551.55
Odia19.0715.752.182.68
Punjabi9.238.661.471.42
Tamil13.5610.932.062.05
Telugu15.4013.382.091.77
Assamese9.268.134.311.51

Usage

!pip install transformers=='5.4.0'


from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "FrontiersMind/Lumma-0.6B-Base"

tokenizer = AutoTokenizer.from_pretrained(
    model_name,
    trust_remote_code=True
)

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    trust_remote_code=True,
    dtype=torch.bfloat16
).eval()

# Memory-efficient mode
model.config.kv_cache_mode = "shared"

# Standard mode
# model.config.kv_cache_mode = "vanilla"

prompt = "The world is a strange place"

inputs = tokenizer(
    prompt,
    return_tensors="pt"
).to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=50,
    do_sample=True,
    temperature=0.3,
    top_p=0.95,
    top_k=20,
    repetition_penalty=1.1,
)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Citation

@misc{lumma2026,
  title={Lumma-0.6B},
  author={FrontiersMind},
  year={2026},
  url={https://huggingface.co/FrontiersMind/Lumma-0.6B}
}

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
LummaForCausalLM
Ревизия весов
b7c0fcf

0 моделей