/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
SmallThinker-4BA0.6B-Instruct
Опубликована
27 июл 2025

SmallThinker-4BA0.6B-Instruct-GGUF

Генерация текстаТекст → текст15 профессий

Tiiny/SmallThinker-4BA0.6B-Instruct-GGUF — GGUF-квантизированная версия SmallThinker-4BA0.6B-Instruct, семейства нативных для устройств языковых моделей с архитектурой Mixture-of-Experts.

1 268скачиваний за 30 дней37лайковвеса обновлены5 авг 2025

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 разработана совместно IPADS и School of AI Шанхайского университета Цзяотун при участии Zenergize AI и предназначена для локального запуска на устройствах с ограниченными ресурсами, обеспечивая приватность и низкую задержку без обращения к облачным сервисам.

Модель рассчитана на генерацию текста и работу в инструкционном режиме: ответы на вопросы, рассуждения, решение математических задач, следование инструкциям и генерацию кода. Она обучалась преимущественно на английском языке, поэтому качество для других языков не заявлено. Контекстное окно составляет 32K токенов. Архитектура включает 4B общих параметров и 0,6B активируемых параметров, 32 слоя, 12 attention heads, механизм GQA, активацию ReGLU, 32 эксперта MoE и выбор 4 экспертов на токен.

К сильным сторонам относятся высокая эффективность для компактной модели, возможность локального развертывания, поддержка llama.cpp для обычных GGUF-файлов и PowerInfer для файлов с суффиксом .powerinfer.gguf, использующих разреженные операторы. Ограничения включают преимущественно англоязычное обучение, возможные фактические ошибки, предвзятость и устаревание ответов, а также зависимость специальных .powerinfer.gguf-файлов от фреймворка PowerInfer. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

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

SmallThinker-4BA0.6B-Instruct-GGUF

  • GGUF models with .gguf suffix can used with llama.cpp framework.

  • GGUF models with .powerinfer.gguf suffix are integrated with fused sparse FFN operators and sparse LM head operators. These models are only compatible to powerinfer framework.

Introduction

SmallThinker is a family of on-device native Mixture-of-Experts (MoE) language models specially designed for local deployment, co-developed by the IPADS and School of AI at Shanghai Jiao Tong University and Zenergize AI. Designed from the ground up for resource-constrained environments, SmallThinker brings powerful, private, and low-latency AI directly to your personal devices, without relying on the cloud.

Performance

Note: The model is trained mainly on English.

ModelMMLUGPQA-diamondGSM8KMATH-500IFEVALLIVEBENCHHUMANEVALAverage
SmallThinker-4BA0.6B-Instruct66.1131.3180.0260.6069.6942.2082.3261.75
Qwen3-0.6B43.3126.7762.8545.658.4123.131.7141.67
Qwen3-1.7B64.1927.7881.8863.669.5035.6061.5957.73
Gemma3nE2b-it63.0420.282.3458.673.227.9064.6355.70
Llama-3.2-3B-Instruct64.1524.2475.514071.1615.3055.4949.41
Llama-3.2-1B-Instruct45.6622.731.6714.448.0613.5037.2026.17

For the MMLU evaluation, we use a 0-shot CoT setting.

All models are evaluated in non-thinking mode.

Speed

ModelMemory(GiB)i9 149001+13 8gen4rk3588 (16G)rk3576Raspberry PI 5RDK X5rk3566
SmallThinker 4B+sparse ffn +sparse lm_head2.24108.1778.9939.7615.1028.777.236.33
SmallThinker 4B+sparse ffn +sparse lm_head+limited memorylimit 1G29.9920.9115.042.600.750.670.74
Qwen3 0.6B0.6148.5694.9145.9315.2927.4413.329.76
Qwen3 1.7B1.362.2441.0020.296.0911.086.354.15
Qwen3 1.7B+limited memorylimit 1G2.661.091.000.47--0.11
Gemma3n E2B1G, theoretically36.8827.0612.503.806.663.462.45

Note: i9 14900, 1+13 8ge4 use 4 threads, others use the number of threads that can achieve the maximum speed. All models here have been quantized to q4_0.

You can deploy SmallThinker with offloading support using PowerInfer

Model Card

ArchitectureMixture-of-Experts (MoE)
Total Parameters4B
Activated Parameters0.6B
Number of Layers32
Attention Hidden Dimension1536
MoE Hidden Dimension (per Expert)768
Number of Attention Heads12
Number of Experts32
Selected Experts per Token4
Vocabulary Size151,936
Context Length32K
Attention MechanismGQA
Activation FunctionReGLU

How to Run

Transformers

transformers==4.53.3 is required, we are actively working to support the latest version. The following contains a code snippet illustrating how to use the model generate content based on given inputs.

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

path = "PowerInfer/SmallThinker-4BA0.6B-Instruct"
device = "cuda"

tokenizer = AutoTokenizer.from_pretrained(path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(path, torch_dtype=torch.bfloat16, device_map=device, trust_remote_code=True)

messages = [
    {"role": "user", "content": "Give me a short introduction to large language model."},
]
model_inputs = tokenizer.apply_chat_template(messages, return_tensors="pt", add_generation_prompt=True).to(device)

model_outputs = model.generate(
    model_inputs,
    do_sample=True,
    max_new_tokens=1024
)

output_token_ids = [
    model_outputs[i][len(model_inputs[i]):] for i in range(len(model_inputs))
]

responses = tokenizer.batch_decode(output_token_ids, skip_special_tokens=True)[0]
print(responses)

ModelScope

ModelScope adopts Python API similar to (though not entirely identical to) Transformers. For basic usage, simply modify the first line of the above code as follows:

from modelscope import AutoModelForCausalLM, AutoTokenizer

Statement

  • Due to the constraints of its model size and the limitations of its training data, its responses may contain factual inaccuracies, biases, or outdated information.
  • Users bear full responsibility for independently evaluating and verifying the accuracy and appropriateness of all generated content.
  • SmallThinker does not possess genuine comprehension or consciousness and cannot express personal opinions or value judgments.

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
b6ca58d

0 моделей