/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
472 млн
Размер весов
27,7 ГБ
Лицензия
Apache 2.0
Архитектура
olmoe · MoE
Библиотека
transformers
Опубликована
21 янв 2025

OLMoE-1B-7B-0125

Генерация текстаТекст → текст6 профессий

OLMoE-1B-7B-0125 — англоязычная MoE-языковая модель AllenAI для генерации текста и общих языковых задач.

9 352скачиваний за 30 дней40лайковвеса обновлены16 мар 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

OLMoE-1B-7B-0125 — языковая модель семейства OLMoE, разработанная Allen Institute for AI (AI2) и выпущенная в январе 2025 года. Это авторегрессионная модель с архитектурой Mixture-of-Experts: в README указаны 1 млрд активных и 7 млрд общих параметров. В метаданных Hugging Face указано 472,1 млн параметров; эти сведения расходятся с карточкой, поэтому размер следует трактовать с осторожностью. Модель представляет улучшенную версию OLMoE-09-24.

Модель предназначена для генерации текста и общих языковых задач на английском языке. Для неё доступны контрольные точки предварительного обучения и адаптации, а также данные и код для SFT и DPO/KTO. Контекст составляет 4096 токенов; модель запускается через Transformers версии 4.45.0 или новее. В README приведены результаты тестирования на MMLU, HellaSwag, ARC, PIQA и WinoGrande.

Модель выпущена по лицензии Apache 2.0. Она принимает и выдаёт текст; заявленная поддержка языков в карточке ограничена английским. Данные описания не уточняют ограничения качества или рекомендации по безопасному применению.

Сценарии применения

  • генерация текста на английском языке
  • ответы на общие вопросы
  • подготовка и продолжение текстов
  • оценка языковых моделей на бенчмарках
  • эксперименты с обучением и адаптацией LLM

Ограничения

Контекст ограничен 4096 токенами. Размер модели расходится между README (1 млрд активных и 7 млрд общих параметров) и метаданными (472,1 млн параметров).

Для каких профессий подходит6

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 Summary

OLMoE-1B-7B is a Mixture-of-Experts LLM with 1B active and 7B total parameters released in January 2025 (0125) that is 100% open-source. It is an improved version of OLMoE-09-24, see the paper appendix for details.

This information and more can also be found on the OLMoE GitHub repository.

Use

Install transformers (version 4.45.0 or greater) & torch and run:

from transformers import OlmoeForCausalLM, AutoTokenizer
import torch

DEVICE = "cuda" if torch.cuda.is_available() else "cpu"

# Load different ckpts via passing e.g. `revision=step10000-tokens41B`
model = OlmoeForCausalLM.from_pretrained("allenai/OLMoE-1B-7B-0125").to(DEVICE)
tokenizer = AutoTokenizer.from_pretrained("allenai/OLMoE-1B-7B-0125")
inputs = tokenizer("Bitcoin is", return_tensors="pt")
inputs = {k: v.to(DEVICE) for k, v in inputs.items()}
out = model.generate(**inputs, max_length=64)
print(tokenizer.decode(out[0]))
# > # Bitcoin is a digital currency that is created and held electronically. No one controls it. Bitcoins aren’t printed, like dollars or euros – they’re produced by people and businesses running computers all around the world, using software that solves mathematical

You can list all revisions/branches by installing huggingface-hub & running:

from huggingface_hub import list_repo_refs
out = list_repo_refs("allenai/OLMoE-1B-7B-0125")
branches = [b.name for b in out.branches]

Important branches:

  • step1200000-tokens5033B: Pretraining checkpoint used for annealing. There are a few more checkpoints after this one but we did not use them.
  • main: Checkpoint annealed from step1200000-tokens5033B for an additional 100B tokens (23,842 steps). We use this checkpoint for our adaptation (https://huggingface.co/allenai/OLMoE-1B-7B-0125-SFT & https://huggingface.co/allenai/OLMoE-1B-7B-0125-Instruct).
  • fp32: FP32 version of main. The model weights were stored in FP32 during training but we did not observe any performance drop from casting them to BF16 after training so we upload all weights in BF16. If you want the original FP32 checkpoint for main you can use this one. You will find that it yields slightly different results but should perform around the same on benchmarks.

Evaluation Snapshot

ModelActive ParamsOpen DataMMLUHellaSwagARC-Chall.ARC-EasyPIQAWinoGrande
LMs with ~1B active parameters
OLMoE-1B-7B-01251.3B✅56.381.767.584.478.770.6
OLMoE-1B-7B-09241.3B✅54.180.062.184.279.870.2
DCLM-1B1.4B✅48.575.157.679.576.668.1
TinyLlama-1B1.1B✅33.660.838.169.571.760.1
OLMo-1B (0724)1.3B✅32.167.536.453.574.062.9
Pythia-1B1.1B✅31.148.031.463.468.952.7
LMs with ~2-3B active parameters
Qwen1.5-3B-14B2.7B❌62.480.077.491.681.072.3
Gemma2-3B2.6B❌53.374.667.584.378.571.8
JetMoE-2B-9B2.2B❌49.181.761.481.980.370.7
DeepSeek-3B-16B2.9B❌45.580.453.482.780.173.2
StableLM-2B1.6B❌40.470.350.675.375.665.8
OpenMoE-3B-9B2.9B✅27.444.429.350.663.351.9
LMs with ~7-9B active parameters
Gemma2-9B9.2B❌70.687.389.595.586.178.8
Llama3.1-8B8.0B❌66.981.679.591.781.176.6
DCLM-7B6.9B✅64.482.379.892.380.177.3
Mistral-7B7.3B❌64.083.078.690.882.877.9
OLMo-7B (0724)6.9B✅54.980.568.085.779.373.2
Llama2-7B6.7B❌46.278.954.284.077.571.7

Citation

@misc{muennighoff2024olmoeopenmixtureofexpertslanguage,
      title={OLMoE: Open Mixture-of-Experts Language Models}, 
      author={Niklas Muennighoff and Luca Soldaini and Dirk Groeneveld and Kyle Lo and Jacob Morrison and Sewon Min and Weijia Shi and Pete Walsh and Oyvind Tafjord and Nathan Lambert and Yuling Gu and Shane Arora and Akshita Bhagia and Dustin Schwenk and David Wadden and Alexander Wettig and Binyuan Hui and Tim Dettmers and Douwe Kiela and Ali Farhadi and Noah A. Smith and Pang Wei Koh and Amanpreet Singh and Hannaneh Hajishirzi},
      year={2024},
      eprint={2409.02060},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2409.02060}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OlmoeForCausalLM
Ревизия весов
9b0c1aa

0 моделей