/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,7 млрд
Размер весов
17,7 ГБ
Лицензия
Apache 2.0
Архитектура
zaya · dense
Библиотека
transformers
Опубликована
19 ноя 2025

ZAYA1-base

Генерация текстаТекст → текст9 профессий

Базовая языковая MoE-модель Zyphra для генерации текста, диалога и рассуждений, в особенности по математике и STEM.

979скачиваний за 30 дней45лайковвеса обновлены26 ноя 2025

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

ZAYA1-base — базовая языковая модель Zyphra с архитектурой MoE (смесь экспертов), предназначенная для генерации текста и диалоговых сценариев. По README в модели активны 800 млн из 8,3 млрд параметров; метаданные каталога указывают 7,7 млрд параметров. Модель использует плотные слои и собственные механизмы Compressed Convolutional Attention, маршрутизатор экспертов ZAYA1 и масштабирование остаточных связей. Она обучалась с нуля на аппаратном, программном и сетевом стеке AMD.

Модель рассчитана на продолжение текста, диалог и задачи рассуждения, особенно математические и STEM-задачи. В README заявлены конкурентные результаты относительно базовых моделей сопоставимого масштаба, однако приведённых численных бенчмарков нет. Контекстное окно составляет 32 768 токенов; используется токенизатор Gemma 3. Для запуска требуется специальная ветка библиотеки Transformers от Zyphra. Модель распространяется по лицензии Apache 2.0.

Сценарии применения

  • генерация продолжения текста
  • диалог с языковой моделью
  • решение математических задач
  • рассуждения по задачам STEM
  • ответы на вопросы по текстовому контексту

Ограничения

Для запуска требуется специальная ветка Transformers от Zyphra. Заявления о бенчмарках приведены без численных результатов в доступной части README.

Для каких профессий подходит9

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

Model Card for ZAYA1-base

ZAYA1 is an 800m active/8.3B total parameter MoE model, and the first trained entirely end-to-end on AMD’s hardware, software, and networking stack.

Our ZAYA1 base model benchmark performance is extremely competitive with the SoTA Qwen3 series of models of comparable scale, and outperforms comparable western open-source models such as SmolLM3, and Phi4. ZAYA1-base excels especially at complex and challenging mathematical and STEM reasoning tasks, nearly matching the performance of SoTA Qwen3 thinking models under high pass@k settings even prior to explicit post-training for reasoning, and exceeds other strong reasoning models such as Phi4-reasoning, and Deepseek-R1-Distill.

Details of our pretraining efforts, hardware specific optimizations, and ZAYA1 base model benchmarks are described in the accompanying technical report.

Model Details

ZAYA1's architecture includes several innovations developed at Zyphra. These include:

  • Compressed Convolutional Attention (CCA): This novel attention mechanism performs attention entirely in the latent space enabling significant reductions in parameter count, prefill compute, and KV cache size compared to alternative attention mechanisms, while also being more performant in loss/flop.
  • ZAYA1 Router: The ZAYA1 router makes fundamental improvements to the linear router used in almost all existing large-scale MoE models. The ZAYA1 router replaces the linear with a downprojection followed by a depth-mixing EDA layer then a three-layer MLP per expert to add significant nonlinear expressivity to the router.
  • Residual Scaling: We add learnable scalar gates and biases to the residual stream and the outputs of each block. This provides a lightweight method to allow the model to carefully control its own norm and degree of forgetting across depth.

zaya_arch

ZAYA1-base uses the Gemma3 tokenizer.

Performance

ZAYA1-base performs extremely competitively against other base models of a similar and even greater scale.

mmlu_pro_vs_ttft

Screenshot 2025-11-20 at 00.44.44

Quick start

Prerequisites

To use ZAYA1, install zaya branch from our fork of transformers library, which is based on the v4.57.1 of transformers:

pip install "transformers @ git+https://github.com/Zyphra/transformers.git@zaya"

The command above relies on requirements for transformers v4.57.1 being installed in your environment. If you're installing in a fresh Python environment, you might want to specify a specific extra, like [dev-torch], to install all the dependencies:

pip install "transformers[dev-torch] @ git+https://github.com/Zyphra/transformers.git@zaya"

Inference

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained("Zyphra/ZAYA1-base")
model = AutoModelForCausalLM.from_pretrained("Zyphra/ZAYA1-base", device_map="cuda", dtype=torch.bfloat16)

input_text = "What factors contributed to the fall of the Roman Empire?"
input_ids = tokenizer(input_text, return_tensors="pt").to("cuda")

outputs = model.generate(**input_ids, max_new_tokens=100)
print(tokenizer.decode(outputs[0]))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
ZayaForCausalLM
Ревизия весов
1910779

0 моделей