/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
6 млрд
Размер весов
10 ГБ
Лицензия
Apache 2.0
Архитектура
arcee_kda · dense
Базовая модель
AFM-4.5B-Base
Библиотека
transformers
Опубликована
14 дек 2025

AFM-4.5B-Base-KDA-NoPE

Генерация текстаТекст → текст3 профессии

Экспериментальная языковая модель Arcee.ai с гибридным вниманием KDA и NoPE для исследований эффективности внимания и математических рассуждений.

662скачиваний за 30 дней15лайковвеса обновлены15 дек 2025

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

AFM-4.5B-Base-KDA-NoPE — экспериментальная гибридная языковая модель Arcee.ai, созданная на основе AFM-4.5B-Base методом дистилляции. В архитектуре ArceeKDA три слоя Kimi Delta Attention чередуются с одним слоем полносвязного внимания NoPE; модель содержит 6 млрд параметров по метаданным, а карточка README указывает 4,5 млрд. Она принимает текст и предназначена для исследований гибридных архитектур внимания, сравнения линейного и полного внимания и проверки компромиссов между эффективностью и возможностями модели.

Модель обучена на контекстах до 32 768 токенов. По данным карточки, гибридный вариант сохраняет более высокую эффективность по памяти, чем модель с полным вниманием, и лучше проявляет себя в коротких математических рассуждениях, чем вариант только с KDA. В тесте извлечения одного факта из контекста достигал 100% до 32k, но за пределом обученной длины наблюдался резкий спад качества. Лицензия — Apache-2.0.

Сценарии применения

  • исследование гибридных архитектур внимания
  • сравнение линейного и полного внимания
  • оценка памяти и KV-кэша при обработке контекста
  • бенчмаркинг математических рассуждений языковых моделей
  • проверка извлечения фактов из контекстов до 32k токенов

Ограничения

За пределом обученного контекста в 32 768 токенов качество резко падает; заявленные результаты бенчмарков ниже, чем у модели-учителя с полным вниманием. В источниках расходятся сведения о размере: метаданные указывают 6 млрд параметров, README — 4,5 млрд.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AFM-4.5B-Base-KDA-NoPE

A hybrid attention variant of AFM-4.5B-Base combining Kimi Delta Attention (KDA) with NoPE (No Positional Encoding) full-attention layers in a 3:1 ratio. This architecture balances efficiency with performance through knowledge distillation.

⚠️ Research Model: This is an experimental model released for research purposes. For production use, see AFM-4.5B.

More details available in our blog post here: https://www.arcee.ai/blog/distilling-kimi-delta-attention-into-afm-4-5b-and-the-tool-we-used-to-do-it

Overview

Following the Kimi Linear architecture pattern, this model interleaves KDA layers with periodic full-attention layers (using NoPE) in a 3:1 ratio. This hybrid structure reduces memory and KV-cache usage while preserving global information flow via the full attention layers.

Key characteristics:

  • 3:1 KDA to full-attention ratio
  • Full attention layers use NoPE (No Positional Encoding)
  • Trained up to 32k sequence length
  • Better short-context performance than pure KDA
  • Reduced memory footprint compared to full attention

Architecture

ComponentDetails
Parameters4.5B
Attention Pattern1 Full Attn (NoPE) : 3 KDA
Positional EncodingNoPE on full attention layers
Max Training Length32k tokens
Base ModelAFM-4.5B-Base

Benchmark Results

Performance compared to the teacher model and other configurations:

BenchmarkTeacher (Full Attn)Hybrid (KDA-NoPE)KDA-Only
MMLU (Avg)63.1%55.1%55.8%
ARC-Challenge55.6%48.5%49.9%
HellaSwag (Norm)78.0%74.3%74.3%
GSM8K (Math)52.1%36.5%26.8%

Key Findings

  • Math advantage: The hybrid recovers significantly more math performance (36.5%) than pure KDA (26.8%)
  • Knowledge benchmarks: Performs comparably to KDA-Only on MMLU, ARC, and HellaSwag
  • Efficiency: Maintains efficiency gains from KDA while preserving global reasoning via NoPE layers

Long-Context Performance (NIAH)

The hybrid model shows distinct long-context behavior:

  • 100% single-needle retrieval up to 32k
  • Sharp performance cliff past 32k training length
  • Near-zero performance beyond training context (vs. smooth degradation for KDA-Only)

The NoPE full-attention layers appear responsible for the hard cutoff—they haven't seen positions beyond 32k during training. KDA layers generalize more naturally to longer sequences.

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "arcee-ai/AFM-4.5B-Base-KDA-NoPE"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

prompt = "The theory of relativity states that"
input_ids = tokenizer(prompt, return_tensors="pt").input_ids.to(model.device)

outputs = model.generate(
    input_ids,
    max_new_tokens=100,
    do_sample=True,
    temperature=0.7,
    top_p=0.95
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Training Details

  • Method: Knowledge distillation from AFM-4.5B-Base using DistillKit
  • Teacher: AFM-4.5B-Base (full attention)
  • Student Architecture: Hybrid 3:1 KDA:NoPE
  • Training Length: 32k sequence length

Comparison: Hybrid vs KDA-Only

AspectHybrid (KDA-NoPE)KDA-Only
Math (GSM8K)36.5% ✓26.8%
Within-training NIAH100%100%
Beyond-training behaviorHard cliffSmooth degradation
Memory efficiency~75% reduction~100% reduction

Choose Hybrid for better short-context reasoning, especially math. Choose KDA-Only for more predictable long-context degradation.

Intended Use

This model is intended for:

  • Research into hybrid attention architectures
  • Studying linear/full attention tradeoffs
  • Exploring NoPE attention in hybrid configurations
  • Benchmarking efficiency vs. capability tradeoffs

License

AFM-4.5B is released under the Apache-2.0 license.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
ArceeKDAForCausalLM
Ревизия весов
295be1a

0 моделей