/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
smollm3 · dense
Базовая модель
Open-MOPD-SmolLM3-3B-MixSFT
Библиотека
transformers
Опубликована
17 сен 2026

SmolLM3-3B-MOPD-PG-SGD-lr2p5e-3-NoThinking-500

Генерация текстаТекст → текст9 профессий

Исследовательский чекпойнт SmolLM3 на 3,1 млрд параметров для генерации текста и экспериментов с математикой, программированием и следованием инструкциям.

380скачиваний за 30 дней0лайковвеса обновлены17 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

Huangsssz/SmolLM3-3B-MOPD-PG-SGD-lr2p5e-3-NoThinking-500 — исследовательский чекпойнт языковой модели SmolLM3, созданный дообучением BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT. Модель содержит 3,1 млрд параметров, использует плотную архитектуру SmolLM3ForCausalLM и экспортирована в BF16 в формате Safetensors; заявленная длина контекста — 65 536 токенов.

Чекпойнт получен после 500 обновлений методом дистилляции с обучением по policy gradient на ответах, оцениваемых профильными учителями для математики, программирования и следования инструкциям. Обучение и оценивание выполнялись с отключённым режимом рассуждений; шаблон чата поддерживает соответствующую настройку при инференсе. Модель предназначена для генерации ответов и экспериментов с математическими, программными и инструкционными задачами. Приведённые в карточке оценки ещё не завершены, поэтому качество по этим бенчмаркам оценить нельзя. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов на пользовательские инструкции
  • решение математических задач в текстовом формате
  • генерация и объяснение программного кода
  • эксперименты с дистилляцией языковых моделей
  • тестирование режима генерации без рассуждений

Ограничения

Контрольные оценки math500, livecodebench_v6 и ifbench в README отмечены как ожидающие, поэтому подтверждённые результаты по ним отсутствуют. Чекпойнт отражает ранний этап обучения после 500 обновлений.

Для каких профессий подходит9

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

SmolLM3-3B-MOPD-PG-SGD-lr2p5e-3-NoThinking-500

Research checkpoint after 500 optimizer updates, using sampled-token policy-gradient distillation with domain_response aggregation. Student generation and all teacher-scoring prompts used thinking OFF. This is a full BF16 Hugging Face model export, with its tokenizer and original chat template.

Training

  • Initial student: BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT, revision c9e7bad031667828656ead188d7e8ea162c048a4.
  • Frozen domain-specific teachers: Math, Code, Instruction following. Each answer is scored by its matching teacher.
  • Optimizer: sgd, learning rate 2.5e-3, weight decay 0, gradient clipping 1.
  • Aggregation: domain_response; 48 student responses per update, 16 per domain.
  • Maximum training answer length: 4096 tokens; temperature 1, top-p 1, top-k -1, seed 42.
  • BF16 model computation, FP32 master parameters and gradient accumulation.
  • Training code derives from opd_geometry. Revisions and selected configuration are in training_config.json.

SGD momentum is 0.0. This is the formal learning-rate-0.0025 run, not the earlier 3-update learning-rate-2.5e-7 probe. It differs from the Top64 runs in both loss and optimizer.

Completed evaluation snapshot

All scores below use thinking OFF. GPQA averages four answers; AIME reports pass@8 separately by year. AIME belongs to mathematics but is reported as a separate benchmark category.

BenchmarkScoreMetric
math500Pendingaccuracy
livecodebench_v6_online128Pendingaccuracy
ifbenchPendingaccuracy
gpqa_diamondPendingaverage@4
aime24Pendingpass@8
aime25Pendingpass@8

These are single fixed-protocol measurements. AIME has only 30 questions per year; small score differences should not be interpreted as established statistical improvements. Pending evaluations will require a later metadata update.

Inference with thinking disabled

The tokenizer supports both modes; downloading this checkpoint does not force every caller into no-thinking mode. Pass enable_thinking=False explicitly, and use a system prompt that does not request <think>...</think> output.

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

repo = "Huangsssz/SmolLM3-3B-MOPD-PG-SGD-lr2p5e-3-NoThinking-500"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(
    repo, dtype=torch.bfloat16, device_map="auto"
)
messages = [{"role": "user", "content": "Solve 2x + 3 = 11."}]
inputs = tokenizer.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True,
    enable_thinking=False, return_tensors="pt", return_dict=True,
).to(model.device)
with torch.inference_mode():
    output = model.generate(
        **inputs, max_new_tokens=1024, do_sample=False,
        eos_token_id=128012, pad_token_id=128012,
    )
print(tokenizer.decode(output[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))

Use a Transformers release with SmolLM3 support. The validated local runtime used Transformers 5.12.1. The short deterministic example above is a usage example, not the benchmark decoding protocol.

Files and attribution

SHA256SUMS and export_manifest.json describe the exported model files. Optimizer states and native distributed training checkpoints are retained on the cluster and are not part of this inference repository. The base model and teacher families are credited above; the upstream MixSFT model card declares Apache-2.0. This export preserves the model configuration, including its RoPE settings and stop-token behavior.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SmolLM3ForCausalLM
Ревизия весов
6c59340

0 моделей