/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,1 млрд
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B
Библиотека
transformers
Опубликована
11 дек 2025

Gumini-1B-Base

Генерация текстаТекст → текст3 профессии

Базовая корейско-английская языковая модель на 1,1 млрд параметров для продолжения текста и дальнейшей адаптации.

551скачиваний за 30 дней7лайковвеса обновлены17 дек 2025

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

Gumini-1B-Base — базовая двуязычная языковая модель, созданная исследователем Gumin Kwon на основе Qwen/Qwen2.5-3B. По описанию автора, в модели унаследованы первые 10 слоёв трансформера Qwen2.5-3B, после чего проведено продолженное предобучение на смешанном корейско-английском корпусе объёмом около 393 млн токенов. Каталог указывает 1,1 млрд параметров, архитектуру Qwen2 и максимальный контекст 32 768 токенов.

Модель предназначена для продолжения текста на корейском и английском языках и дальнейшей адаптации. Это базовая модель без дообучения на инструкциях: она не рассчитана на надёжное выполнение запросов в диалоговом формате. В обучающих данных преобладают корейские материалы CulturaX и Wikipedia, также использован англоязычный FineWeb-Edu.

В README указана лицензия CC BY 4.0 для статьи Inheritune, но лицензия самих весов в метаданных обозначена как other, поэтому условия распространения весов следует уточнить в карточке модели. Автор предупреждает о склонности к повторам, возможных фактических ошибках и отсутствии защитного выравнивания; модель не рекомендуется для критически важных сценариев.

Сценарии применения

  • продолжение текста на корейском языке
  • продолжение текста на английском языке
  • создание основы для дообучения корейско-английской модели
  • эксперименты с методом Inheritune и наследованием слоёв

Ограничения

Модель не дообучена на инструкциях и не имеет защитного выравнивания, поэтому может не следовать запросам, повторять текст и выдавать неверную или устаревшую информацию. Автор не рекомендует применять её в чувствительных или критически важных сценариях.

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

🐻 Gumini-1B (구미니)

Model Description

Gumini (구미니) is a bilingual Korean-English base language model created by inheriting the first 10 layers of Qwen 2.5 3B using the Inheritune methodology, followed by continued pretraining on a Korean–English mixed corpus (~393M tokens).

This is a BASE model, not instruction-tuned.
It produces text continuations rather than conversational responses.

What We Modified

The original Qwen 2.5 3B model was modified as follows:

  1. Layer Inheritance (Inheritune)

    • Inherited the first 10 transformer layers out of 36
    • Reduced model size while preserving early linguistic abilities
  2. Pretraining

    • Trained for 393M tokens on a Korean–English dataset
    • Maintains base-model behavior (not SFT or instruction-tuning)
  3. Identity Injection

    • Added system-level identity tokens for model conditioning

This model inherits early layers from Qwen 2.5 3B and is retrained with progressive layer expansion using Inheritune methodology.

Model Details

AttributeValue
ResearcherGumin Kwon (권구민)
Base ModelQwen/Qwen2.5-3B
Training MethodInheritune + Pretraining
Parameters1.08B
Layers10
Hidden Size2048
Attention Heads16
KV Heads2 (GQA)
Vocab Size151,936
Tokens Trained393M

Training Data

DatasetLanguageWeight
FineWeb-EduEnglish20%
CulturaX-koKorean50%
Wikipedia-koKorean30%

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "GuminiResearch/Gumini-1B-Base",
    torch_dtype=torch.bfloat16,
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("GuminiResearch/Gumini-1B-Base")

prompt = "저는 구미니입니다."
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(
    **inputs,
    max_new_tokens=100,
    repetition_penalty=1.2,
    do_sample=True,
    temperature=0.7
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
from transformers import pipeline

generator = pipeline(
    "text-generation",
    model="GuminiResearch/Gumini-1B-Base",
)

prompt = "저는 구미니입니다."
output = generator(prompt, max_new_tokens=100, temperature=0.7, repetition_penalty=1.2)

print(output[0]["generated_text"])

Limitations

  • Base model: no instruction-tuning or safety alignment
  • High repetition risk: use repetition_penalty >= 1.2
  • May generate incorrect or outdated information
  • Should not be used in sensitive or safety-critical contexts

License

Qwen Research License (Non-Commercial)

This model is Built with Qwen and derived from Qwen 2.5 3B.

Qwen is licensed under the Qwen RESEARCH LICENSE AGREEMENT.
Copyright (c) Alibaba Cloud. All Rights Reserved.

This model is for NON-COMMERCIAL / RESEARCH use only.
For commercial use, contact Alibaba Cloud.

Inheritune Paper (CC BY 4.0)

@inproceedings{Sanyal2024inheritune,
  title={Inheritune: Training Smaller Yet More Attentive Language Models},
  author={Sunny Sanyal and Ravid Shwartz-Ziv and Alexandros G. Dimakis and Sujay Sanghavi},
  year={2024},
  url={https://arxiv.org/abs/2404.08634}
}

Citation

@misc{gumini2025,
  title={Gumini-1B: Bilingual Language Model Built with Qwen via Inheritune},
  author={Gumin Kwon},
  year={2025},
  note={Built with Qwen},
  url={https://huggingface.co/GuminiResearch/Gumini-1B-Base}
}

Author

Gumin Kwon (권구민)


Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
9f349b3

0 моделей