/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
328 млн
Лицензия
Apache 2.0
Архитектура
hrm_text · dense
Библиотека
transformers
Опубликована
15 июн 2026

HRM-Text-0.6B

Генерация текстаТекст → текст3 профессии

Плотный базовый чекпойнт HRM-Text для генерации английского текста и экспериментов с рассуждениями.

65скачиваний за 30 дней5лайковвеса обновлены17 июн 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

HRM-Text-0.6B — базовый плотный языковой чекпойнт Xiaoye08, обученный по конвейеру предобучения HRM-Text; это снимок после четвёртой эпохи, опубликованный в формате bf16 Safetensors. В метаданных указано 327,7 млн параметров, тогда как README сообщает 694,7 млн; поэтому размер в описании не приводится. Архитектура использует рекуррентные блоки HRM с плотным SwiGLU FFN. Контекст составляет 4096 токенов.

Модель предназначена для продолжения текста и исследовательских экспериментов с генерацией и рассуждениями, а не для диалога или следования инструкциям. Она обучалась на англоязычной смеси данных и использует цель PrefixLM; README описывает условные префиксы для разных режимов генерации. Модель не прошла выравнивание по предпочтениям или настройку инструкций, поэтому ответы могут быть неточными, предвзятыми или небезопасными. Для загрузки может потребоваться `trust_remote_code=True`. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение англоязычного текста
  • эксперименты с генерацией текста на архитектуре HRM
  • исследование влияния PrefixLM на генерацию
  • сравнение плотной модели с HRM-MoE при сопоставимых активных вычислениях

Ограничения

Модель не настроена для инструкций и диалога, не проходила RLHF и не выровнена по требованиям безопасности; ответы могут быть неточными, предвзятыми или небезопасными. Для загрузки может потребоваться `trust_remote_code=True`.

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

HRM-Text-0.6B

HRM-Text-0.6B is a dense HRM-Text L-size base checkpoint trained with the HRM pretraining pipeline. This release is the epoch-4 pretrained checkpoint, exported from the native FSDP2 checkpoint into a single bf16 model.safetensors file.

The model has 694.7M dense parameters, so every token activates the full 0.6B parameter budget. It is the dense active-compute baseline for the active-matched L-MoE 64x8 experiment in Xiaoye08/HRM-MoE.

This is a pre-alignment base checkpoint. It is not a chat or instruction-following assistant.

Model Structure Comparison

HRM-Text-0.6B dense L

input tokens
  -> H/L recurrent HRM blocks
  -> dense SwiGLU FFN, intermediate width 3584
  -> all dense FFN parameters are active for every token

Active-matched L-MoE 64x8

input tokens
  -> H/L recurrent HRM blocks
  -> router over 64 SwiGLU experts
  -> top-8 experts active per token, each expert width 448
  -> active FFN width = 8 x 448 = 3584
ModelTotal paramsActive params / tokenActive ratioFFN path
HRM-Text-0.6B dense L694.7M694.7M100%dense SwiGLU, width 3584
L-MoE 64x8 active-matchedlarger sparse pool~dense-L active computesparse64 routed SwiGLU experts, top-8, width 448 each

The MoE variant matches the active FFN width of this dense L checkpoint while increasing total expert capacity.

Results vs Active-Matched L-MoE

The comparison below uses the same sampled pretraining data, same 32-GPU setup, and 4 pretraining epochs. Values are percentages unless otherwise noted.

BenchmarkMetricHRM-Text-0.6B dense e4L-MoE 64x8 e4Delta
GSM8kacc79.6183.62+4.01
MATHacc50.9655.50+4.54
DROPem74.2177.86+3.65
DROPf177.9481.47+3.53
MMLUacc53.7458.60+4.86
ARCacc76.3782.27+5.90
HellaSwagacc51.4865.58+14.10
Winograndeacc66.9370.32+3.39
BoolQacc84.5686.02+1.46
MMLU-Proacc28.2430.70+2.46
AIME25maj_pass@116.6716.67+0.00
AIME25maj_pass@1026.6726.67+0.00
AIME25maj_pass@10050.0050.00+0.00

This dense checkpoint is the main 0.6B baseline. The active-matched L-MoE improves Standard and MMLU-Pro metrics while leaving AIME25 majority voting roughly unchanged.

Model Details

FieldValue
ArchitectureDense HRM-Text
Checkpointepoch 4 pretrained checkpoint
Formatbf16 model.safetensors
Parameters694,682,880
Hidden size1280
Total dense transformer layers24 (12 H + 12 L)
Layers per H / L stack12
Attention heads10
H_cycles x L_cycles2 x 3
Max sequence length4096
Vocabulary65,536
Position encodingRoPE theta 10000
NormalizationParameterless Pre-RMSNorm
AttentionGated attention
FFNDense SwiGLU
FFN intermediate size3584
Exported weightsEMA weights
dtypebfloat16

Requirements

This checkpoint includes remote code for the hrm_text architecture so it can be loaded on Transformers versions that do not yet ship native HRM-Text support.

pip install --upgrade transformers safetensors accelerate

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "Xiaoye08/HRM-Text-0.6B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    dtype=torch.bfloat16,
).cuda().eval()

# synth,cot composite: reasoning / CoT style.
condition = "<|quad_end|><|object_ref_end|>"
prompt = f"<|im_start|>{condition}Explain why the sky is blue.<|im_end|>"

inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
inputs["token_type_ids"] = torch.ones_like(inputs["input_ids"])

with torch.no_grad():
    out = model.generate(**inputs, max_new_tokens=256, do_sample=False)
print(tokenizer.decode(out[0], skip_special_tokens=False))

Prompt Format

HRM-Text uses condition prefix tokens. Prompts should be rendered as:

<|im_start|><condition tokens>prompt text<|im_end|>

Common conditions:

  • direct -> <|object_ref_start|>
  • cot -> <|object_ref_end|>
  • noisy -> <|quad_start|>
  • synth -> <|quad_end|>

For reasoning-style prompting, synth,cot maps to <|quad_end|><|object_ref_end|>.

PrefixLM Mask

The checkpoint was pretrained with the HRM-Text PrefixLM objective. Pass token_type_ids = torch.ones_like(input_ids) for the prompt, marking it as one bidirectional prefix block before autoregressive decoding.

Training Snapshot

  • 32 GPUs
  • 4 pretraining epochs
  • global batch size 172,032 tokens
  • learning rate 2.5e-4
  • bfloat16 forward/backward
  • EMA decay 0.9999
  • official HRM-Text L configuration

Limitations

  • Pre-alignment base checkpoint, not a chat model.
  • Not instruction-tuned, RLHF-trained, or safety-aligned.
  • English-focused pretraining mixture.
  • Requires trust_remote_code=True unless using a Transformers version with native hrm_text support.
  • Outputs may be inaccurate, biased, or unsafe.

License

Apache License 2.0.

Citation

This model is derived from HRM-Text. If you use HRM-Text, please cite:

@misc{wang2026hrmtextefficientpretrainingscaling,
      title={HRM-Text: Efficient Pretraining Beyond Scaling},
      author={Guan Wang and Changling Liu and Chenyu Wang and Cai Zhou and Yuhao Sun and Yifei Wu and Shuai Zhen and Luca Scimeca and Yasin Abbasi Yadkori},
      year={2026},
      eprint={2605.20613},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2605.20613},
}

Related Models

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
HrmTextForCausalLM
Ревизия весов
9524a47

0 моделей