/ 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
6 сен 2026

mimo-7b-gdn-hybrid-2.0B-OPD

Генерация текстаТекст → текст3 профессии

Экспериментальная 7-миллиардная языковая модель MiMo GDN Hybrid для диалоговой генерации текста и математических рассуждений с контекстом до 65 536 токенов.

84скачиваний за 30 дней0лайковвеса обновлены6 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 — stage3-2.0B-OPD — это экспериментальный чекпойнт на 7 млрд параметров, созданный arianraje методом on-policy distillation с учителем XiaomiMiMo/MiMo-7B-RL-0530. Модель объединяет слои внимания Qwen2 и Gated DeltaNet в соотношении 1:4 и предназначена для генерации текста в диалогах и задач математического рассуждения; в карточке приведены результаты на AIME24, AIME25 и MATH-500.

Контекстное окно составляет 65 536 токенов. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Для загрузки нужна регистрация архитектуры mimo_gdn из обучающего репозитория, Transformers 4.57.x и flash-linear-attention 0.5.x. Оценки AIME получены всего на 30 задачах и имеют высокую статистическую неопределённость; автор отдельно характеризует их как данные для наблюдения за трендом.

Сценарии применения

  • диалоговые ответы с длинным контекстом
  • решение задач конкурса AIME с развёрнутым рассуждением
  • решение задач из набора MATH-500
  • генерация текста на основе математических запросов

Ограничения

Для запуска требуются регистрация архитектуры mimo_gdn, Transformers 4.57.x и flash-linear-attention 0.5.x. Результаты AIME основаны на 30 задачах и имеют высокую статистическую 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 — stage3-2.0B-OPD

Decayed final of the 2.0B-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-2p0b-v1-20260905; snapshots/final, step 12887, 2,000,126,188 consumed generation tokens; model window 65,536.

Recipe: extends arianraje/mimo-7b-gdn-hybrid-1.8B-OPD from its pre-decay state (1,721.4M tokens) with no recipe change — the same stage-3 math mixture, rollout horizon 32,768, sampler window 49,152, 600-step linear decay, queue factor 6.0. This is the ladder's first matched-recipe A/B at H=32K, so differences vs the 1.8B row are a pure tokens-scaling read (the 1.8B row's own confounds vs earlier rows carry forward unchanged). The pre-decay trunk of this rung is public at arianraje/mimo-7b-gdn-opd-predecay-1921m-step12391.

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

Metric1.8B-OPD2.0B-OPD
AIME24 think pass@1 / pass@8 @32K (n=30×8)63.3 / 76.759.6 / 80.0
AIME25 think pass@1 / pass@8 @32K (n=30×8)49.2 / 73.347.1 / 73.3
MATH-500 think pass@1 @32K93.493.8
MATH-500 no-think pass@1 @4K70.270.8
GSM8K no-think strict / flexible @1K58.5 / 65.258.1 / 62.2
MMLU 5-shot53.854.6
PIQA / HellaSwag / ARC-E / ARC-C / Winogrande72.0 / 60.3 / 62.8 / 39.6 / 59.772.5 / 59.9 / 62.7 / 39.5 / 58.8
NIAH multikey 4K / 8K / 16K / 32K (n=500)96.8 / 97.2 / 95.0 / 84.696.8 / 96.8 / 94.8 / 83.8
NIAH single, multiquery (all lengths)≥99.8≥100.0
trunc / mean gen tokens: MATH-500, AIME24, AIME253.6%/8168, 26.7%/21925, 32.5%/235523.8%/7930, 29.2%/21862, 38.3%/24357

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
784aef6

0 моделей