/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
306 млн
Лицензия
Apache 2.0
Архитектура
deep · dense
Библиотека
vllm
Опубликована
28 июл 2026

Dense-306

Генерация текстаТекст → текст3 профессии

Плотная базовая языковая модель на 306,4 млн параметров для генерации английского текста и исследовательских экспериментов.

15скачиваний за 30 дней0лайковвеса обновлены28 июл 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

Dense-306 — базовая языковая модель на 306,4 млн параметров, разработанная Complexity-ML как плотная контрольная модель для исследования Token Identity as a Routing Signal for Residual MLP Experts. Это декодерный трансформер, обученный с нуля примерно на 8 млрд токенов FineWeb-Edu. Архитектура включает 18 слоёв, скрытый размер 1024, 16 голов запросов и 4 головы ключей и значений (GQA), QK-Norm, RoPE, SwiGLU и токенизатор на 32 000 токенов.

Модель предназначена для генерации текста и исследовательских экспериментов с базовыми языковыми моделями. Она обучалась с контекстом 2048 токенов; в карточке заявлен английский язык. Это предварительно обученная модель, не настроенная для выполнения инструкций и не выровненная по требованиям безопасности. В README приведены результаты ограниченной zero-shot оценки, но они основаны на одном seed и не показывают устойчивого превосходства над парной моделью.

Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Для запуска требуется пользовательский runtime Complexity-ML на базе vLLM: стандартные Transformers и upstream vLLM пока не регистрируют архитектуру DeepForCausalLM. Модель может выдавать неточный, предвзятый, оскорбительный, повторяющийся или небезопасный текст; её не следует применять для решений с высокими ставками.

Сценарии применения

  • генерация продолжений английского текста
  • изучение поведения компактных базовых языковых моделей
  • сравнение плотной модели с моделью с маршрутизацией экспертов
  • zero-shot оценка языковой модели на тестах понимания текста

Ограничения

Это небольшая базовая модель без настройки на инструкции и выравнивания по безопасности; она может генерировать неточный, предвзятый, повторяющийся или небезопасный текст и не подходит для решений с высокими ставками. Для загрузки нужен пользовательский runtime Complexity-ML на базе vLLM; результаты оценки основаны на одном seed.

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

Dense-306

Dense-306 is the 306.5M-parameter dense baseline from the matched run pair in Token Identity as a Routing Signal for Residual MLP Experts. It is a decoder-only base language model trained from scratch on approximately 8B FineWeb-Edu tokens.

This is a pretrained base model, not an instruction-tuned or safety-aligned assistant.

Architecture

  • 18 transformer layers
  • hidden size 1,024
  • 16 query heads and 4 key/value heads (GQA)
  • QK-Norm and RoPE
  • 2,048-token training context
  • 32,000-token tokenizer
  • dense SwiGLU width 4,096
  • 306,486,528 trainable parameters

Evaluation

Both models were evaluated zero-shot with EleutherAI LM Evaluation Harness 0.4.12, identical seeds, BF16 inference, no sample limit, and a maximum context of 2,048 tokens.

ModelARC-Easy acc_normPIQA acc_normHellaSwag acc_normWikiText-2 word PPL
Dense-30649.0763.4933.6735.79
TR-MOE-30648.6163.4934.0635.20

The multiple-choice differences are smaller than one reported standard error. These results support near-parity, not task-level superiority.

At the last common point on a fixed FineWeb-Edu training-split evaluation stream, the dense model reached NLL 2.9482 and the token-routed model reached 2.9329. That stream is not an independent held-out set, and each architecture was trained with one seed.

Files and integrity

model.safetensors is the exact FP32 model export used for the reported downstream evaluation.

  • final training step: 7629
  • training checkpoint SHA-256: 0d5bc1d8d8ead8ecde70e2705dfc8712e99a3de79bdf24f9b4e34fd1f668de7b
  • exported model.safetensors SHA-256: 311c97b2233a0d182fe47fa641a427e30f59b49774872a85b59854457ed1e7ae

The repository also contains the tokenizer, generation configuration, and export_manifest.json.

Runtime

The checkpoint uses the custom DeepForCausalLM format implemented by the Complexity-ML vLLM runtime. Stock Transformers and upstream vLLM do not currently register the deep architecture. Use that runtime for inference, or adapt its loader before loading these weights.

The tokenizer can be loaded independently:

from transformers import AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("Pacific-i64/Dense-306")

Limitations

This is a small research base model. It may generate inaccurate, biased, offensive, repetitive, or unsafe text. It should not be used for high-stakes decisions. The training corpus is web-derived and may contain errors, copyrighted material, personal information, and social biases.

Paper and reproducibility

The paper reports a matched single-seed observation. Multi-seed replication remains open.

License

The Dense-306 model weights are released under the Apache License 2.0. See LICENSE.

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Нельзя запустить

Архитектура deep неизвестна transformers в образе рантайма.

Класс архитектуры
DeepForCausalLM
Ревизия весов
46f10fb

0 моделей