/ 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-Top64-DR-NoThinking-500

Генерация текстаТекст → текст14 профессий

Исследовательский чекпойнт SmolLM3 на 3,1 млрд параметров для генерации ответов, математических задач, программирования и следования инструкциям.

378скачиваний 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

SmolLM3-3B-MOPD-Top64-DR-NoThinking-500 — это исследовательский чекпойнт языковой модели SmolLM3, подготовленный Huangsssz на основе BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT. Модель содержит 3,1 млрд параметров, использует плотную архитектуру SmolLM3ForCausalLM и принимает текстовые запросы для генерации текста; заявленная длина контекста — 65 536 токенов.

Чекпойнт получен после 500 шагов дообучения методом дистилляции с пересечением наборов наиболее вероятных 64 токенов студента и учителей. Учителя специализировались на математике, коде и следовании инструкциям; генерация и оценивание выполнялись с отключённым режимом рассуждений. Для запуска автор рекомендует явно передавать enable_thinking=False. В README приведены результаты отдельных фиксированных оцениваний по математике, программированию и следованию инструкциям; они не доказывают устойчивого улучшения.

Модель ориентирована на исследовательские эксперименты и генерацию ответов общего назначения, особенно в математике, программировании и выполнении инструкций. Это полный экспорт весов BF16 для Hugging Face Transformers с токенизатором и исходным шаблоном чата. Репозиторий указывает лицензию Apache-2.0. Чекпойнт является ранней исследовательской версией после ограниченного числа шагов; опубликованные оценки имеют фиксированный протокол и ограниченную статистическую надёжность.

Сценарии применения

  • генерация ответов в диалоге с отключённым режимом рассуждений
  • решение математических задач
  • генерация и анализ программного кода
  • выполнение текстовых инструкций
  • эксперименты с дистилляцией языковых моделей

Ограничения

Чекпойнт обучен лишь 500 шагов; оценки представлены как отдельные измерения по фиксированному протоколу и не подтверждают устойчивого улучшения. Для отключённого режима рассуждений при инференсе следует явно установить enable_thinking=False.

Для каких профессий подходит14

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-Top64-DR-NoThinking-500

Research checkpoint after 500 optimizer updates, using teacher/student Top64-token-intersection 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: adam, learning rate 2.5e-7, 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.

Adam settings: beta1=0.9, beta2=0.98, epsilon=1e-8. The Top64 candidates are the intersection of teacher and student top-64 token sets.

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
math50050.60%accuracy
livecodebench_v6_online12821.09%accuracy
ifbench21.00%accuracy
gpqa_diamond27.53%average@4
aime2423.33%pass@8
aime2520.00%pass@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-Top64-DR-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
c3306bb

0 моделей