/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
17,5 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Опубликована
15 окт 2026

SlimKV-Llama3.1-8B-r2

Генерация текстаТекст → текст

Вариант Llama-3.1-8B-Instruct со сжатием KV-кэша SlimKV для диалоговой генерации текста с сокращёнными затратами памяти на контекст.

434скачиваний за 30 дней0лайковвеса обновлены15 окт 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

SlimKV-Llama3.1-8B-r2 — вариант модели Llama-3.1-8B-Instruct с методом сжатия KV-кэша SlimKV; разработчик в карточке модели не указан. Модель предназначена для генерации текста и диалогов с уменьшенным объёмом памяти, используемой для хранения контекста. Это плотная авторегрессионная модель семейства Llama на 7,5 млрд параметров с контекстом до 131 072 токенов; README описывает сжатие признакового измерения представлений beacon KV в 2 раза, а степень сжатия по токенам настраивается отдельно через интервал Beacon.

SlimKV применяет низкоранговое сжатие к beacon-ветви и выполняет внимание в латентном пространстве без восстановления сжатых представлений. Модель ориентирована на англоязычную генерацию и поддерживает чат и интерфейс вызова инструментов согласно метаданным. Для загрузки нужны компоненты и реализация инференса SlimKV; совместимость с неизменённой библиотекой Transformers не проверена. Лицензия — Llama 3.1.

Сценарии применения

  • диалоговая генерация текста с длинным контекстом
  • снижение памяти KV-кэша при инференсе языковой модели
  • ответы на запросы с использованием вызова инструментов
  • генерация текста на английском языке

Ограничения

Для загрузки требуется совместимая реализация инференса SlimKV; работа с неизменённой версией Transformers не проверена. В README указано сжатие beacon-представлений KV по признаковому измерению в 2 раза, а фактическое сокращение памяти зависит также от настроек сжатия по токенам и других частей кэша.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.1-8B-SlimKV-r2

A SlimKV variant of Llama-3.1-8B-Instruct with 2× feature-wise compression of beacon KV representations, corresponding to SlimKV-f2 in the paper.

Part of the SlimKV collection.

Compression settings

SlimKV jointly compresses the token dimension and the feature dimension of the KV cache. The r2/r4/r8 suffixes in these repository names specify feature-wise compression of beacon KV representations, corresponding to SlimKV-f2/f4/f8 in the paper.

Repository suffixPaper variantFeature-wise compression
r2SlimKV-f22×
r4SlimKV-f44×
r8SlimKV-f88×

Token-wise compression is configured separately through the beacon interval. In the paper's tnfm notation, n is the token-wise compression factor and m is the feature-wise compression factor. The nominal total compression factor is token-wise factor × feature-wise factor. Examples include:

Total compressionToken-feature settings
8×t4f2 or t2f4
16×t8f2, t4f4, or t2f8
32×t16f2, t8f4, or t4f8

Each model fixes its feature factor; the token factor is configurable through the Beacon interval. The product describes compressed historical Beacon memory; full-dimensional raw-token tails and sinks affect the realized cache-memory reduction.

Layer-specific latent ranks are allocated adaptively under a global feature budget (Section 3.3). SlimKV applies low-rank compression to the beacon branch and performs reconstruction-free latent-space attention over beacon memory during decoding.

Files and usage

Model weights, configuration, and tokenizer files are included in this repository. Use the corresponding SlimKV inference implementation to load the custom model components. Loading with an unmodified Transformers implementation has not been verified.

License and attribution

Built with Llama.

This SlimKV variant contains modified Llama 3.1 model weights and remains subject to the Llama 3.1 Community License and Acceptable Use Policy. The upstream Llama materials are not licensed under Apache 2.0. See NOTICE for the required upstream attribution.

Paper

SlimKV: Joint Token-Feature KV Cache Compression with Reconstruction-Free Beacon Attention. See Sections 3.3 and 5.1 and Table 2 for compression definitions.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
7f9417b

0 моделей