/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
445 млн
Лицензия
Своя лицензия
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-350M-ToMoE
Библиотека
transformers
Опубликована
26 авг 2026

LFM2.5-350M-ToMoE-INT4

Генерация текстаТекст → текст3 профессии

Квантизированная до INT4 MoE-модель Nichonauta для генерации текста и диалоговых ответов с контекстом до 128 000 токенов.

30скачиваний за 30 дней0лайковвеса 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/LFM2.5-350M-ToMoE-INT4 — это квантизированная до INT4 версия разреженной MoE-модели для генерации текста и диалогов. Она основана на Nichonauta/LFM2.5-350M-ToMoE, производной от LiquidAI/LFM2.5-350M. В модели около 444,6 млн параметров; контекст составляет до 128 000 токенов. Веса линейных слоёв хранятся в INT4 с групповой квантизацией, а маршрутизаторы, эмбеддинги и нормализации остаются в FP32. Репозиторий использует safetensors и требует пользовательского кода модели через trust_remote_code.

Модель предназначена для генерации продолжений и диалоговых ответов в Transformers. В README приведены метрики perplexity: INT4-вариант заметно хуже исходного MoE на чат-форматированных данных, где показатель составляет 941 против 314 у FP32, поэтому качество диалога может быть нестабильным. Заявлена поддержка английского, арабского, китайского, французского, немецкого, японского, корейского, испанского и португальского языков. Лицензия указана как other; README содержит файл LICENSE, но конкретные условия в предоставленных данных не раскрыты.

Сценарии применения

  • генерация продолжения текста
  • создание диалоговых ответов
  • локальный запуск компактной языковой модели
  • эксперименты с INT4-квантизацией MoE-моделей

Ограничения

По метрикам README INT4-вариант заметно уступает FP32-версии на чат-форматированных данных, поэтому ответы могут быть нестабильными. Для загрузки требуется доверенный пользовательский код модели через trust_remote_code.

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

LFM2.5-350M-ToMoE-INT4

Weight-only INT4 quantization of the real ToMoE MoE — Nichonauta/LFM2.5-350M-ToMoE (derived from LiquidAI/LFM2.5-350M).

Unlike the GGUF companions (which are dense-equivalents because llama.cpp cannot represent the channel-MoE), this repository stores the actual pruned MoE weights quantized in safetensors format:

  • LinearINT4 replaces the MLP/attention/conv Linear layers (per-channel symmetric for INT8; per-group of 64 with zero-point for INT4), packed 2-nibbles-per-byte for INT4.
  • The routers, embeddings and norms stay fp32 (tiny and sensitive); weights dequantize lazily in the forward pass.
  • Same custom model definition (modeling_lfm2_moe_final.py, trust_remote_code), plus the quantization flag in config.json.

Metrics vs the fp32 MoE

Metricfp32 MoEINT8INT4
PPL wikitext-2 (raw, 1810 tok)9949871221
PPL chat-formatted (prompt+answer)314785941
model.safetensors size1226 MB400 MB—

The 350M MoE sits at a fragile equilibrium (chat PPL 314 is already near the repetition-collapse regime): INT8 pushes it to ~785 and INT4 to ~941 on chat, while raw-text PPL stays roughly unchanged. This is a property of the pruned model, not of the quantizer.

Usage (transformers, trust_remote_code)

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "Nichonauta/LFM2.5-350M-ToMoE-INT4",
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
    device_map="cuda:0",
    attn_implementation="eager",
)
tokenizer = AutoTokenizer.from_pretrained("Nichonauta/LFM2.5-350M-ToMoE-INT4")

The quantization field in config.json makes the custom modeling file build the quantized Linear layers automatically.

Files

  • model.safetensors — INT4 weights + fp32 scales/zero-points + fp32 routers/embeddings/buffers
  • modeling_lfm2_moe_final.py — custom model definition with LinearINT4 support (trust_remote_code)
  • config.json — model configuration (quantization: "int4", auto_map)
  • tokenizer.json, tokenizer_config.json, chat_template.jinja, generation_config.json, LICENSE

License

Derivative of LiquidAI/LFM2.5-350M — released under the LFM Open License v1.0 (see LICENSE).

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
007adf7

0 моделей