/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
simi · dense
Базовая модель
simi
Библиотека
flax
Опубликована
6 сен 2026

simi-weights

Генерация текстаТекст → текст15 профессий

SImi-2B — генеративная языковая модель, разработанная Dakuwon Moody. Это публичное распространение только весов модели SImiModel без исходного кода архитектуры, обучающего кода и полного внутреннего дерева восстановления.

1 851скачиваний за 30 дней0лайковвеса обновлены13 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 предназначена для генерации текста, следования инструкциям, агентских сценариев и использования инструментов, включая задачи с tool use и function calling.

Модель представляет собой decoder-only causal language model в стиле Llama, реализованную на JAX/Flax. Она содержит примерно 2,32 млрд параметров, 30 слоёв, скрытую размерность 2560, GQA с 20 query heads и 4 KV heads, RoPE, RMSNorm и SwiGLU. Используется untied token embedding и LM head, токенизатор GPT-2 BPE с 50 257 токенами и максимальная длина последовательности 1024 токена. Вычисления и веса имеют тип bfloat16. В README указан английский язык модели.

Сильными сторонами являются обучение на полноразмерных потоках данных для инструкционного, агентского и инструментального использования, а также компактный размер по сравнению с крупными языковыми моделями. Ограничения включают отсутствие поддержки hosted inference, отсутствие исходного кода и несовместимость с Transformers AutoModel.from_pretrained; для восстановления требуются JAX/Flax и специфические процедуры работы с Orbax. Модель обучалась на AMD Instinct MI300X. 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

SImi-2B public weights

Public weights-only mirror. No architecture source, no trainer, no private recovery tree.

SImi-2B is a custom Llama-style causal LM trained in JAX/Flax on an AMD MI300X. This repo is not a Transformers checkpoint. AutoModel.from_pretrained will not load it.

Created by Dakuwon Moody.

Status

ItemValue
Public roleWeights only. No source.
StudentSImiModel / SImi-2B
Parameters~2.32B (2,321,856,000 config estimate)
Live graphnn.scan over 30 layers
Tokenizergpt2 (50,257)
Training mixFull Hugging Face agent-grade streams (no toy slices)
HardwareAMD Instinct MI300X, bf16, remat off, micro-batch 3, seq 1024
OptimizerAdafactor on the live run (step 99000 on disk is the older Adam snapshot)
Save cadenceevery 5000 steps under distill/step_<n>/
Latest public treedistill/step_180000/
Hosted inferenceNot supported

Checkpoints

PathWhat
distill/step_99000/Canonical unrolled restore. 30 layer_* blocks, Adam/MultiSteps Orbax tree. This is the known-good init.
distill/step_100000/ .. laterScanned Adafactor Orbax trees (scanned_layers). Written by the live MI300X loop.

Local copies are deleted only after the Orbax blobs exist here.

Restore notes (this ROCm/Orbax stack):

  • Step 99000: restore as host numpy, ignore the old Adam opt state, stack layer_0..layer_29 into nn.scan.
  • Later scanned steps: Orbax StandardRestore can fail (Layout / TensorStore). A metadata-shaped numpy restore of the params works. Fresh Adafactor opt is fine; numpy drops optax NamedTuples.
  • Do not treat a metadata.json step number as proof a folder exists.

Architecture

Llama-style decoder-only:

  • RMSNorm pre-norm
  • RoPE
  • GQA
  • SwiGLU
  • Untied token embedding and LM head
  • Causal LM, packed next-token CE
PropertyValue
Vocabulary50,257 (GPT-2 BPE)
Hidden width2,560
Depth30 layers
Query heads20
KV heads4
Head dimension128
SwiGLU intermediate6,912
Max sequence1,024
RoPE theta10,000
RMSNorm eps1e-5
Compute / param dtypebfloat16
Estimated parameters2,321,856,000

Tokenizer

PropertyValue
Tokenizergpt2
Vocab size50,257
BOS / EOS / PAD50256
Packing1,024 tokens

Training mix

Same full HF streams as Uni and Vegeta:

  • instruction: Tulu-3, OpenHermes-2.5, UltraChat
  • agent / tool: Orca AgentInstruct, Agent-FLAN, xLAM, ToolACE, Glaive, Hermes function calling

Как запустить

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

GPU в ailist

Универсальный рантайм · flax

Нельзя запустить

JAX/Flax-модели рантайм не загружает.

Класс архитектуры
SImiModel
Ревизия весов
a975078

0 моделей