/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
14 млрд
Размер весов
32,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-14B-Instruct
Опубликована
15 окт 2026

SlimKV-Qwen2.5-14B-r4

Генерация текстаТекст → текст

Инструкционно дообученная Qwen2.5 на 14 млрд параметров с 4-кратным сжатием признакового измерения beacon KV для генерации текста и более компактного KV-кэша.

701скачиваний 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-Qwen2.5-14B-r4 — вариант Qwen2.5-14B-Instruct из коллекции SlimKV, предназначенный для генерации текста и диалогов с уменьшенным объёмом KV-кэша при декодировании. Модель содержит 14 млрд параметров и использует плотную архитектуру Qwen2; базовая модель — Qwen/Qwen2.5-14B-Instruct.

Вариант r4 соответствует SlimKV-f4 и сжимает представления beacon KV по измерению признаков в 4 раза. SlimKV также сжимает измерение токенов: степень такого сжатия настраивается интервалом Beacon, а общий номинальный коэффициент равен произведению токенного и признакового коэффициентов. Для beacon-памяти применяется низкоранговое сжатие с адаптивным распределением рангов по слоям и attention в латентном пространстве без реконструкции. Контекст модели — 32 768 токенов; основной язык карточки — английский.

Модель рассчитана на инференс с соответствующей реализацией SlimKV. README отмечает, что загрузка стандартной, неизменённой версией Transformers не проверена. Репозиторий содержит веса, конфигурацию и токенизатор. Лицензия — Apache-2.0.

Сценарии применения

  • диалоговая генерация ответов
  • генерация текста с уменьшенным объёмом KV-кэша
  • инференс длинных последовательностей с настройкой сжатия beacon-памяти

Ограничения

Для загрузки требуются специальные компоненты реализации SlimKV; совместимость с неизменённой версией Transformers не проверена. Эффективность сжатия KV-кэша зависит также от настраиваемого интервала Beacon и от несжатых хвостов и sink-токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SlimKV-Qwen2.5-14B-r4

A SlimKV variant of Qwen2.5-14B-Instruct with 4× feature-wise compression of beacon KV representations, corresponding to SlimKV-f4 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 modifications

This model is distributed under the Apache License 2.0, following the upstream Qwen2.5-14B license. The model weights and configuration have been modified for SlimKV; this repository is not the unmodified upstream Qwen release. See MODEL_MODIFICATIONS.md.

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
Qwen2ForCausalLM
Ревизия весов
f3dbcca

0 моделей