/ 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
5 сен 2026

mimo-7b-gdn-hybrid-1.8B-OPD

Генерация текстаТекст → текст3 профессии

Гибридная языковая модель MiMo на 7 млрд параметров для генерации текста и длинных математических рассуждений с контекстом до 65 536 токенов.

95скачиваний за 30 дней0лайковвеса обновлены5 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 stage3-1.8B-OPD — экспериментальная языковая модель на 7 млрд параметров, созданная arianraje путём слияния вариантов MiMo-7B с гибридной архитектурой внимания Qwen2 и Gated DeltaNet; в метаданных базовыми указаны arianraje/mimo-7b-gdn-opd-predecay-1721m-step11144 и XiaomiMiMo/MiMo-7B-RL-0530. Модель обучалась методом on-policy distillation на основе MiMo-7B-RL-0530 и предназначена для генерации текста, диалогов и многошаговых математических рассуждений. В README приведены результаты оценок на AIME 2024, AIME 2025 и MATH-500, но для AIME автор предупреждает о малой выборке.

Модель поддерживает контекст до 65 536 токенов и распространяется в формате safetensors. Для загрузки требуется пользовательская регистрация архитектуры mimo_gdn в transformers 4.57.x и flash-linear-attention 0.5.x, доступная в репозитории обучения. Лицензия — MIT. В карточке не заявлены языки, поэтому описание ограничено языковыми возможностями, явно подтверждёнными источниками.

Сценарии применения

  • решение задач из математических соревнований
  • генерация пошаговых математических рассуждений
  • диалоговые ответы с длинным контекстом

Ограничения

Для загрузки требуется пользовательская регистрация архитектуры mimo_gdn и совместимые версии transformers и flash-linear-attention. Результаты AIME основаны на 30 задачах и обозначены автором как данные для отслеживания тенденции.

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 — stage3-1.8B-OPD

Decayed final of the 1.8B-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-h32k-runpod-1p8b-v1-20260903; snapshots/final, step 11632, 1,800,027,023 consumed generation tokens; model window 65,536.

Recipe: extends arianraje/mimo-7b-gdn-hybrid-1.6B-OPD from its pre-decay state (1,521.4M tokens) with TWO changes vs that row. Deliberate: rollout horizon horizon_max 16,384 → 32,768 (reasoning rollouts trained at H=32K for the whole rung). Forced by trainer memory: sampler max_model_len 65,536 → 49,152, whose only effect is that 32K-prompt retrieval (RUG) items have their generation clamped to ~16K — the budget they had on every H=16K rung. Everything else (stage-3 math mixture, decay 600 steps, queue 6.0) is inherited. The pre-decay trunk of this rung is public at arianraje/mimo-7b-gdn-opd-predecay-1721m-step11144.

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

Metric1.6B-OPD1.8B-OPD
AIME24 think pass@1 / pass@8 @32K (n=30×8)62.1 / 83.363.3 / 76.7
AIME25 think pass@1 / pass@8 @32K (n=30×8)47.5 / 73.349.2 / 73.3
MATH-500 think pass@1 @32K93.893.4
MATH-500 no-think pass@1 @4K68.270.2
GSM8K no-think strict / flexible @1K57.6 / 63.858.5 / 65.2
MMLU 5-shot54.253.8
PIQA / HellaSwag / ARC-E / ARC-C / Winogrande72.6 / 60.3 / 63.6 / 39.1 / 59.372.0 / 60.3 / 62.8 / 39.6 / 59.7
NIAH multikey 4K / 8K / 16K / 32K (n=500)98.6 / 98.0 / 96.6 / 89.496.8 / 97.2 / 95.0 / 84.6
NIAH single, multiquery (all lengths)≥99.8≥99.8
trunc / mean gen tokens: MATH-500, AIME24, AIME253.4%/8169, 30.4%/22273, 35.8%/238063.6%/8168, 26.7%/21925, 32.5%/23552

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
c500dce

0 моделей