/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
KoHRM-Text-1.4B
Библиотека
gguf
Опубликована
13 июн 2026

KoHRM-Text-1.4B-GGUF

Генерация текстаТекст → текст3 профессии

KoHRM-Text-1.4B-GGUF — это набор квантизированных GGUF-версий модели KoHRM-Text-1.4B от LLM-OS-Models.

296скачиваний за 30 дней1лайквеса обновлены13 июн 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

Модель предназначена для генерации текста и поддерживает корейский и английский языки. Она использует нестандартную архитектуру hrm_text с рекуррентной структурой H/L; экспортированные веса организованы как H: 16 и L: 16. Доступны варианты BF16, Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q3_K_M и Q2_K размером примерно от 569 МБ до 2,6 ГБ.

Модель ориентирована на локальный запуск и текстовые сценарии, включая вопросы и ответы на корейском языке, в частности простые финансовые запросы. В GGUF-метаданных заданы циклы h_cycles=2 и l_cycles=3; их уменьшение может ускорить генерацию, но часто снижает качество. В документации приведён пример работы на CPU через модифицированный llama.cpp: для стандартного upstream llama.cpp, Ollama, LM Studio и других обычных GGUF-фронтендов поддержка архитектуры пока отсутствует, поэтому требуется специальный патч runtime. Указанный тест на CPU показал скорость генерации около 5 токенов в секунду для Q8_0, но это качественный пример, а не полноценный бенчмарк.

Сильной стороной модели является возможность запуска в различных вариантах квантизации на локальном оборудовании. Ограничения включают необходимость использовать patched llama.cpp, нестабильное следование инструкциям и то, что публичный checkpoint является моделью на стадии rolling pretraining, а не финальной chat/SFT-моделью. Контекстный размер в представленном README явно не указан. Модель и GGUF-экспорты распространяются по лицензии Apache-2.0.

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

KoHRM-Text-1.4B-GGUF

GGUF exports for LLM-OS-Models/KoHRM-Text-1.4B.

This is a custom hrm_text architecture. Standard upstream llama.cpp, Ollama, LM Studio, and other GGUF frontends will not load these files until hrm_text support lands upstream. Use the included runtime patch:

runtime/llama.cpp-hrm_text.patch

The patch is based on the HRM-Text GGUF work from sinimiini/HRM-Text-1B-GGUF, adapted for KoHRM-Text-1.4B. The KoHRM conversion infers the physical H/L stack depth from safetensors, because the public config reports num_hidden_layers=32 while the exported tensors are arranged as H: 16 and L: 16.

Files

filetypesizesha256
KoHRM-Text-1.4B-BF16.ggufBF162.6Gd5c66f994327c1e2f05b33b0a2ff798a1d05f8b905b7f93943e101bca06c8b0a
KoHRM-Text-1.4B-Q8_0.ggufQ8_01.4G8dae86207987804c7e8fc34fcba0d78ae2e54cd8563e907e9e5aea8442f7300c
KoHRM-Text-1.4B-Q6_K.ggufQ6_K1.1Gdd54d24344e842c3cd0f261e4b740c42c0ec78ed0b3414cdb8b2ac5022b7fb8a
KoHRM-Text-1.4B-Q5_K_M.ggufQ5_K_M961M90f47f54bd7cf545583a2be43a9d0c971cf6112ff16261e2e926cfabe2e9e35a
KoHRM-Text-1.4B-Q4_K_M.ggufQ4_K_M841Me521243be6733796f221ec7de3ca3d1ff9014301f812138a173072d6def2f090
KoHRM-Text-1.4B-Q3_K_M.ggufQ3_K_M700M29fe588fdc434980cdc484c6324af8ca0c92122b995b26a09b8fed5baceae4be
KoHRM-Text-1.4B-Q2_K.ggufQ2_K569M6010878b117e639f9a1fb5332aa6c5a76bdf50ee08e6af4d7661a12d77cf7157

Build Patched llama.cpp

git clone https://github.com/ggml-org/llama.cpp
cd llama.cpp
git checkout 6a257d44633d4a752183ed778b88d2924d0a6b9d
git apply /path/to/runtime/llama.cpp-hrm_text.patch

cmake -S . -B build-hrm \
  -DCMAKE_BUILD_TYPE=Release \
  -DLLAMA_CURL=OFF \
  -DGGML_NATIVE=OFF

cmake --build build-hrm --target llama-cli llama-quantize llama-completion llama-results -j 8

CPU Run

Download a quantized GGUF file:

huggingface-cli download LLM-OS-Models/KoHRM-Text-1.4B-GGUF \
  KoHRM-Text-1.4B-Q8_0.gguf \
  --local-dir .

Run on CPU:

./build-hrm/bin/llama-cli \
  -m ./KoHRM-Text-1.4B-Q8_0.gguf \
  -ngl 0 \
  -t 4 \
  -c 1024 \
  -n 260 \
  --seed 41 \
  --temp 0.45 \
  --top-p 0.9 \
  --repeat-penalty 1.08 \
  --single-turn \
  --simple-io \
  --no-warmup \
  --display-prompt \
  -p $'해외주식 투자에서 원/달러 환율 변동이 원화 수익률에 미치는 영향과 대응 방안을 간단히 설명해 주세요.'

H/L Cycle Override (수정 실행: H/L 사이클 직접 지정)

KoHRM-Text-GGUF stores recurrence settings as GGUF metadata:

hrm_text.h_cycles = 2
hrm_text.l_cycles = 3

현재 패치된 llama.cpp에서는 실행 시 모델 로딩 단계에서 아래 키를 메타데이터 오버라이드할 수 있습니다.

./build-hrm/bin/llama-cli \
  -m ./KoHRM-Text-1.4B-Q8_0.gguf \
  -ngl 0 \
  -t 4 \
  -c 1024 \
  -n 260 \
  --seed 41 \
  --temp 0.45 \
  --top-p 0.9 \
  --repeat-penalty 1.08 \
  --single-turn \
  --simple-io \
  --no-warmup \
  --display-prompt \
  --override-kv hrm_text.h_cycles=int:1 \
  --override-kv hrm_text.l_cycles=int:2 \
  -p $'해외주식 투자에서 원/달러 환율 변동이 원화 수익률에 미치는 영향과 대응 방안을 간단히 설명해 주세요.'

Use case:

  • h_cycles/l_cycles를 낮추면 동일 조건에서 응답속도는 빨라지는 경향이 있지만 품질 저하가 자주 증가합니다.
  • 2/3은 현재 기본값(문서 상 안정 동작)입니다.
  • 1/2는 속도 우선 테스트로 추천하며, 실제 정밀 추론에서는 2/3이 더 안정적입니다.

--override-kv uses key format KEY=TYPE:VALUE, same as upstream llama.cpp:

  • hrm_text.h_cycles=int:1
  • hrm_text.l_cycles=int:2

If you need a persistent configuration (e.g., fixed 1/1 for a workload), export a new GGUF after changing H_cycles / L_cycles in the source config before convert_hf_to_gguf.py conversion. That preserves one set of cycles inside the artifact and avoids runtime override overhead.

CPU Generation Tests

Tested locally on CPU with the patched llama.cpp build and the prompt shown above.

This prompt was chosen after checking the KoHRM training-data path. KoHRM uses the HRM V1Dataset instruction-response layout:

<|im_start|><condition_token>instruction<|im_end|>response<|box_end|>

The instruction/prefix span is not trained with loss; the response span is trained with response-only loss. Local decoded samples include short Korean finance QA rows, so the representative GGUF smoke prompt below uses the same plain instruction style instead of a legal reasoning prompt.

fileprompt speedgeneration speedvalue check
KoHRM-Text-1.4B-Q8_0.gguf25.3 t/s5.0 t/sRuntime OK; useful qualitative finance QA sample

Q8_0 output excerpt:

1. **환율 변동의 영향:** 해외 주식 투자의 수익률은 주가 상승에 따른 수익뿐만 아니라 환율 변동에 따른 수익 또는 손실을 포함합니다.
...
2. **대응 방안:**
   - **환율 변동 위험 관리:** 환율 변동 위험을 줄이기 위해 환헤지 상품을 활용하거나, 분할 매수/매도 전략을 통해 환율 변동에 따른 영향을 완화할 수 있습니다.
   - **장기 투자:** 장기 투자를 통해 환율 변동의 단기적인 영향을 완화하고, 장기적인 주가 상승에 집중할 수 있습니다.
   - **분산 투자:** 다양한 국가의 주식에 분산 투자하여 특정 국가의 환율 변동 위험을 줄일 수 있습니다.

The full smoke-test log is in reports/generation_tests/finance_short_q8_0.txt. This is a qualitative CPU runtime sample, not a benchmark or financial advice.

Prompt Format

The source training/inference wrapper is:

<|im_start|><|object_ref_start|>PROMPT<|im_end|>

prepare_sft_data.py writes the generic HRM V1Dataset layout with direct=<|object_ref_start|> by default. In this patched GGUF runtime, llama-completion could load the model but returned an immediate end token for the tested prompts, while llama-cli --single-turn produced visible CPU token generation. The public checkpoint is a rolling pretraining-stage model, not a final chat/SFT model, so instruction following can still be unstable.

GGUF Metadata

Key converted metadata:

general.architecture = hrm_text
hrm_text.context_length = 4096
hrm_text.embedding_length = 1536
hrm_text.block_count = 128
hrm_text.layers_per_stack = 16
hrm_text.h_cycles = 2
hrm_text.l_cycles = 3
tokenizer.ggml.model = gpt2
tokenizer.ggml.pre = qwen2
tokenizer.ggml.bos_token_id = 2
tokenizer.ggml.eos_token_id = 35
tokenizer.ggml.padding_token_id = 0

Notes

  • Source model: LLM-OS-Models/KoHRM-Text-1.4B
  • Source revision converted: c413eee318b28e4f970f1be83698b161e60b3adb
  • llama.cpp base commit used for the patch: 6a257d44633d4a752183ed778b88d2924d0a6b9d
  • BF16 conversion wrote 259 tensors.
  • llama-completion can load the model non-interactively, but in local probes it immediately returned an end token for the tested prompts. llama-cli --single-turn produced visible CPU token generation and is the command shown above.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
c8febc2

0 моделей