/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
1,5 млрд
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-1.2B-Thinking
Библиотека
transformers
Опубликована
26 авг 2026

LFM2.5-1.2B-Thinking-ToMoE

Генерация текстаТекст → текст3 профессии

Экспериментальное преобразование модели рассуждений LiquidAI LFM2.5-1.2B-Thinking в MoE для исследований структурного прореживания и маршрутизации экспертов.

213скачиваний за 30 дней3лайкавеса обновлены26 авг 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

Nichonauta создал экспериментальную MoE-версию LiquidAI/LFM2.5-1.2B-Thinking методом ToMoE — структурного прореживания с гиперсетью. Это причинная текстовая модель семейства LFM2 для генерации текста и рассуждений. По сравнению с плотной базовой моделью число сохранённых параметров снижено примерно с 1,17 млрд до 1,03 млрд, а оценка активных параметров на токен составляет около 700 млн. В модели используются маршрутизация по восьми экспертам в FFN-слоях, динамическое маскирование каналов V в слоях внимания и прореживание ShortConv. Контекст — до 128 000 токенов; модель работает с текстом и рассчитана на несколько языков, включая английский, арабский, китайский, французский, немецкий, японский, корейский и испанский.

Модель предназначена для экспериментов с ToMoE и изучения преобразования LFM2 в MoE. Автор сообщает о резком ухудшении качества относительно исходной модели: perplexity на WikiText-2 возрастает примерно с 16,9 до 504, а генерация склонна к повторам; README прямо отмечает, что это не пригодный для использования чат-ассистент. Для запуска требуется Transformers и trust_remote_code=True с пользовательским кодом архитектуры. Указанная в README лицензия базовой модели — LFM Open License v1.0; метаданные репозитория обозначают лицензию как other, поэтому условия использования следует сверять с лицензией в репозитории.

Сценарии применения

  • изучение преобразования плотной LFM2 в MoE
  • эксперименты с динамической маршрутизацией экспертов
  • сравнение качества генерации до и после структурного прореживания

Ограничения

Качество значительно хуже базовой модели, а генерация склонна к повторам; автор не рекомендует использовать модель как чат-ассистента. Для запуска требуется trust_remote_code=True и пользовательский код модели.

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

LFM2.5-1.2B-Thinking-ToMoE

A Mixture-of-Experts (MoE) conversion of LiquidAI/LFM2.5-1.2B-Thinking, obtained with the ToMoE method (Dynamic Structural Pruning + Hypernetwork).

The dense 1.17B reasoning model is converted into a channel-MoE where:

  • feed_forward / MLP (16 layers): per-token expert routing over 8 channel-experts (top-1 via Gumbel-softmax), the FFN is cut to the union of the expert channel masks.
  • Full attention (6 layers): Q/K kept at full width; the V channels are dynamically masked per token (deterministic masks).
  • ShortConv (10 layers): statically pruned (a single channel index shared by the B/C/x projections, the conv and the output projection).

Metrics

MetricDense baseToMoE MoE
Total params1170.3M1031.9M stored
Active params per token1170.3M~700M (est.)
PPL wikitext-2 (raw, 1810 tok)16.9504.3
PPL chat-formatted (prompt + answer)71.1711.7
Embeddings (always active)134.2M134.2M

The pruned budget is p = 0.05 with the ToMoE regularization (lam 64→128, Gumbel base annealed 1.0→−0.25, 8 experts), trained 2,400 steps at seq 2048 with online KD against the dense teacher on wikitext-103 (4M tokens, raw text). The attention QK is excluded from the budget (kept full) because the small head-dim (64) collapses under aggressive QK pruning.

Notes:

  • LFM2.5-1.2B-Thinking is a reasoning (RL) model: its native output format includes a <think> block before the answer. Unlike the 350M instruct model, its raw-text distribution is NOT degenerate (raw PPL 16.9 — the RL training preserved base-LM quality), so raw-text KD works well for this conversion.
  • The MoE keeps the whole base distribution (it can still emit <think> blocks) but is strongly degraded: raw PPL ~30x and chat PPL ~10x worse than the dense base. Generation repeats — this is the known structural limit of the ToMoE conversion on LFM2.

Usage (transformers, trust_remote_code)

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "Nichonauta/LFM2.5-1.2B-Thinking-ToMoE",
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
    device_map="cuda:0",
    attn_implementation="eager",
)
tokenizer = AutoTokenizer.from_pretrained("Nichonauta/LFM2.5-1.2B-Thinking-ToMoE")

messages = [{"role": "user", "content": "What is the capital of France?"}]
prompt = tokenizer.apply_chat_template(messages, add_generation_prompt=True, tokenize=True, return_tensors="pt")
out = model.generate(**prompt, max_new_tokens=64)
print(tokenizer.decode(out[0], skip_special_tokens=True))

Note: this model requires trust_remote_code=True — the custom modeling_lfm2_moe_final.py defines the Lfm2MoEForCausalLM class.

Conversion details

  • Base: LiquidAI/LFM2.5-1.2B-Thinking (LFM Open License v1.0, lfm1.0)
  • Method: ToMoE — a bidirectional-GRU hypernetwork generates differentiable channel masks per sublayer; the model weights are frozen and only the hypernetwork is trained (online KD against the dense teacher). The final pruned weights are extracted from the trained masks.
  • Training: 2,400 steps, seq 2048, online knowledge distillation (2× forward KL), gradient checkpointing, wikitext-103 (4M tokens).
  • Architecture deltas: 16 layers (10 ShortConv + 6 full attention), FFN 8192-wide per layer (auto-adjusted from 12288), hidden 2048, head_dim 64, tied embeddings.

Limitations

  • The model is significantly degraded versus the dense base (chat PPL ~712 vs ~71; raw ~504 vs ~17) and generation tends to repeat — the conv layers are cut to ~5–40% width and each token activates ~50–70% of the MLP channels through a single expert.
  • This is a research artifact demonstrating the ToMoE pipeline on a mid-size LFM2 architecture; it is NOT a usable chat assistant.

License

This model is a derivative of LiquidAI/LFM2.5-1.2B-Thinking and is released under the LFM Open License v1.0 (see LICENSE).

Files

  • model.safetensors — the pruned MoE weights (fp32)
  • modeling_lfm2_moe_final.py — the custom model definition (trust_remote_code)
  • config.json — model configuration (with auto_map)
  • tokenizer.json, tokenizer_config.json, chat_template.jinja, generation_config.json

Related repositories

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2MoEForCausalLM
Ревизия весов
caec729

0 моделей