/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
7 млрд
Размер весов
16,6 ГБ
Лицензия
MIT
Архитектура
mimo_gdn · dense
Базовая модель
MiMo-7B-RL-0530
Библиотека
transformers
Опубликована
3 сен 2026

mimo-7b-gdn-hybrid-1.6B-OPD

Генерация текстаТекст → текст3 профессии

Экспериментальная 7-миллиардная языковая модель с гибридной архитектурой Gated DeltaNet и Qwen2, предназначенная прежде всего для математических рассуждений.

82скачиваний за 30 дней1лайквеса обновлены3 сен 2026

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

MiMo-7B GDN Hybrid — stage3-1.6B-OPD — это экспериментальный чекпойнт arianraje, полученный с помощью on-policy distillation (OPD) на основе MiMo-7B-RL-0530 и промежуточной модели семейства MiMo GDN. Архитектура сочетает слои внимания Qwen2 и Gated DeltaNet в пропорции 1:4; модель содержит 7 млрд параметров и принимает текст, выдавая текст. Окно контекста — 65 536 токенов.

Модель предназначена для математических рассуждений и решения задач, в частности для оценки ответов на AIME и MATH-500. В README приведены результаты на этих тестах, но отмечено, что выборка AIME мала и её показатели служат лишь индикатором тенденций. Модель может подойти для экспериментов с длинным контекстом и диалоговыми сценариями.

Для загрузки требуется регистрация пользовательской архитектуры mimo_gdn из репозитория обучения, Transformers 4.57.x и flash-linear-attention 0.5.x. Модель распространяется по лицензии MIT.

Сценарии применения

  • решение олимпиадных задач по математике
  • пошаговые математические рассуждения
  • ответы на задачи формата AIME
  • эксперименты с длинным контекстом до 65 тысяч токенов
  • оценка качества языковых моделей на математических тестах

Ограничения

Для запуска необходима регистрация пользовательской архитектуры mimo_gdn, а также Transformers 4.57.x и flash-linear-attention 0.5.x. Результаты на AIME основаны на небольшой выборке из 30 задач и имеют высокую неопределённость.

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

MiMo-7B GDN Hybrid — stage3-1.6B-OPD

Decayed final of the 1.6B-token rung of the MiMo on-policy-distillation (OPD) WSD ladder (1:4 uniform hybrid of Qwen2 attention and Gated DeltaNet layers, teacher XiaomiMiMo/MiMo-7B-RL-0530). Run mimo-mathmix-h16k-runpod-1p6b-v1-20260901; snapshots/final, step 10404, 1,600,093,536 consumed generation tokens; rollout horizon H=16,384 (evaluated at a 32,768-token cap); model window 65,536.

Recipe: extends arianraje/mimo-7b-gdn-hybrid-1.4B-OPD from its pre-decay state (1,336.9M tokens) on the byte-identical recipe (stage-3 math mixture, max_queue_factor 6.0) with ONE change: decay_steps 482 → 600. The pre-decay trunk state of this rung is public at arianraje/mimo-7b-gdn-opd-predecay-1521m-step9888.

Evaluation (TABLES.md protocol, raw JSONs under full_eval/)

Metric1.4B-OPD1.6B-OPD
AIME24 think pass@1 / pass@8 @32K (n=30×8)62.1 / 83.362.1 / 83.3
AIME25 think pass@1 / pass@8 @32K (n=30×8)39.2 / 63.347.5 / 73.3
MATH-500 think pass@1 @32K95.493.8
MATH-500 no-think pass@1 @4K69.268.2
GSM8K no-think strict / flexible @1K51.6 / 60.357.6 / 63.8
MMLU 5-shot54.054.2
PIQA / HellaSwag / ARC-E / ARC-C / Winogrande73.2 / 60.4 / 64.1 / 39.8 / 59.072.6 / 60.3 / 63.6 / 39.1 / 59.3
NIAH multikey 4K / 8K / 16K / 32K (n=500)97.4 / 97.2 / 93.0 / 83.498.6 / 98.0 / 96.6 / 89.4
NIAH single, multiquery (all lengths)≥99.8≥99.8
trunc / mean gen tokens: MATH-500, AIME24, AIME252.2%/7807, 27.1%/21515, 36.7%/241873.4%/8169, 30.4%/22273, 35.8%/23806

AIME cells are n=30 problems (±~14 pts on pass@1) — trend data; MATH-500 (n=500) is the powered cell. full_eval/*.generations.json carry every sample.

Loading

Custom architecture; needs the mimo_gdn model registration from the training repo (transformers 4.57.x + flash-linear-attention 0.5.x), same as the other arianraje/mimo-7b-gdn-hybrid-*-OPD checkpoints.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура mimo_gdn неизвестна transformers в образе рантайма.

Класс архитектуры
MiMoGDNForCausalLM
Ревизия весов
37d6ccf

0 моделей