/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
Apache 2.0
Базовая модель
laya-multilingual
Библиотека
llama.cpp
Опубликована
21 сен 2026

laya-multilingual-GGUF

Классификация текстаТекст → label3 профессии

Weidows/laya-multilingual-GGUF — это GGUF-конверсия модели convaiinnovations/laya-multilingual, предназначенная для запуска через llama.cpp.

4 269скачиваний за 30 дней5лайковвеса обновлены21 сен 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 представляет собой encoder-only архитектуру на базе mmBERT-base с 22 слоями и размером скрытого представления 768. В карточке указано мультиязычное назначение, а исходная модель поддерживает классификационные сценарии, включая XNLI и классификацию департамента и срочности обращений.

Модель предназначена для получения эмбеддингов и последующего применения отдельной decision head для задач text classification. Голова классификации поставляется отдельно в файле laya-multilingual-head.safetensors. Для корректной токенизации требуется использовать поставляемый tokenizer.json с Gemma-style vocabulary: встроенная токенизация llama.cpp для этого словаря ненадёжна. Контекст запуска в примере составляет 2048 токенов.

Доступны варианты F16, Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q4_K_S, Q3_K_M и IQ4_XS, включая варианты с imatrix; их размер составляет примерно от 235 до 629 МБ. По приведённой оценке F16 полностью совпал с исходной FP32-моделью на 12 тестовых примерах, а Q8_0 сохранил полное совпадение решений. Более компактные варианты также показали хорошие результаты на этом наборе, однако Q3_K_M заметно уступал на неанглийских примерах, поэтому для важных задач рекомендуется Q8_0. Модель и конверсия 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

laya-multilingual GGUF

GGUF conversion of convaiinnovations/laya-multilingual (Apache-2.0), encoder only (mmBERT-base, 22 layers, hidden 768). Bit-identical to an independent community conversion (134/134 tensors, max diff 0).

The decision head (36 tensors, 30 MB) ships separately as laya-multilingual-head.safetensors (same split as an mmproj file); laya_head.py has load_head(path) returning config + weights under original PyTorch names.

Token ids must come from the shipped HF tokenizer.json (Gemma-style tokenizer; llama.cpp text tokenization not reliable for this vocab).

Files

filesizeworst rel err vs F16 (dequant)
laya-multilingual-F16.gguf629 MB-
laya-multilingual-Q8_0.gguf341 MB4.2e-03
laya-multilingual-Q6_K.gguf271 MB1.6e-02
laya-multilingual-Q5_K_M.gguf258 MB3.7e-02
laya-multilingual-Q4_K_M.gguf249 MB7.5e-02
laya-multilingual-Q4_K_M-imat.gguf249 MB1.3e-01 (worst-tensor rel err; imatrix shifts bits to sensitive weights)
laya-multilingual-Q4_K_S.gguf242 MB7.5e-02
laya-multilingual-Q3_K_M.gguf236 MB1.9e-01
laya-multilingual-IQ4_XS.gguf236 MB8.4e-02
laya-multilingual-IQ4_XS-imat.gguf235 MB3.5e-01 (worst-tensor rel err)

imatrix stats from 400-line 10-language Wikipedia sample (imatrix-laya.dat used at quant time; dat file not shipped). Weight-space rel err is a smoke signal only — see eval below.

Eval (end-to-end, llama.cpp server + original decision head)

12 samples (6 XNLI choice across en/zh/ar/hi/es/ja + 3 dept choice + 3 urgency noul), same HF token ids into PyTorch FP32 and each GGUF via llama.cpp server (--pooling none, --embd-normalize -1), identical head weights. F16 matches FP32 exactly (12/12, drift 0.0015).

quantdecision agreementmean conf drift
F1612/12 (1.00)0.0015
Q8_012/12 (1.00)0.0043
Q6_K11/12 (0.92)0.0103
Q5_K_M12/12 (1.00)0.0309
Q4_K_M12/12 (1.00)0.0381
Q4_K_M-imat12/12 (1.00)0.0347
Q4_K_S12/12 (1.00)0.0407
Q3_K_M10/12 (0.83)0.0891
IQ4_XS12/12 (1.00)0.0157
IQ4_XS-imat12/12 (1.00)0.0167

Mismatches only in Q6_K (1 hi) and Q3_K_M (1 ar + 1 hi, drift 0.34+). Recommendation: Q8_0 for anything important; Q4_K_M-imat / IQ4_XS-imat for size; avoid Q3_K_M on non-English.

GGUF size vs decision agreement

Use

llama-server -m laya-multilingual-Q8_0.gguf --embeddings --pooling none -c 2048 -ub 2048 -b 2048 --port 8080
pip install laya requests torch safetensors
import requests, torch, laya
from laya_head import load_head

agent = laya.load("convaiinnovations/laya-multilingual", device="cpu")
_, head = load_head("laya-multilingual-head.safetensors")
sd = agent.model.state_dict()
for k, v in head.items():
    if k in sd:
        sd[k].copy_(v)

D = agent.model.encoder.config.hidden_size
def llamacpp_encoder(input_ids, attention_mask=None, **_):
    out = []
    for i, row in enumerate(input_ids):
        n = int(attention_mask[i].sum())
        r = requests.post("http://localhost:8080/embedding", json={"content": [row[:n].tolist()]}).json()
        h = torch.zeros(input_ids.shape[1], D); h[:n] = torch.tensor(r[0]["embedding"]); out.append(h)
    return torch.stack(out)

Как запустить

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

GPU в ailist

Универсальный рантайм · llama.cpp · text-classification

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
6235959

0 моделей