/ Модель

Характеристики

Контекст
262 144 токена
Параметры
8 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
3 июл 2026

oellm-9b-256k-theta64m-prelude

Генерация текстаТекст → текст7 профессий

Производная модели openeurollm/oellm-9b-256k-theta64m-prelude. Базовая многоязычная модель OpenEuroLLM на Qwen3 для генерации продолжений и поиска сведений в длинном контексте до 256K токенов.

32скачиваний за 30 дней0лайковвеса обновлены27 июл 2026

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

Карточка модели birgermoell/oellm-9b-256k-theta64m-prelude на Hugging Face совпадает с карточкой openeurollm/oellm-9b-256k-theta64m-prelude, поэтому описание составлено по ней.

OELLM 9B — 256K context (ABF, θ=64M) — prelude — базовая плотная языковая модель OpenEuroLLM на архитектуре Qwen3. Это продолжение предобучения модели prelude с контекстным окном до 262 144 токенов; модель не настроена для следования инструкциям. В README указаны 9B параметров, тогда как метаданные Hugging Face указывают 8B. Модель поддерживает 37 европейских языков, включая английский, немецкий, французский, испанский, польский и украинский; метаданные подтверждают языковые теги для части этого набора.

Модель предназначена для генерации продолжений и работы с длинными текстами, в том числе поиска сведений на разных позициях в контексте до 256K токенов. По оценке single-needle NIAH из README, результат на 256K составил 90% на 185 испытаниях в семи языках; более широкая оценка RULER ещё не проводилась. Для обработки контекста 256K требуется несколько GPU. Для такого режима README рекомендует сохранять rope_theta=64000000 и max_position_embeddings=262144.

Модель распространяется по лицензии Apache-2.0. Поскольку это базовая модель без инструкционной настройки, она ориентирована на продолжение текста, а не на диалоговое следование запросам; также отмечен умеренный эффект «потери в середине» контекста.

Сценарии применения

  • генерация продолжения длинного текста
  • поиск упоминания в длинном документе
  • извлечение сведений из книг и научных статей с большим контекстом
  • обработка многоязычных документов на европейских языках

Ограничения

Модель не настроена для следования инструкциям; оценка длинного контекста пока ограничена тестом single-needle NIAH, а более широкая RULER не проводилась. Для контекста 256K нужны несколько GPU; отмечен умеренный эффект «потери в середине» контекста.

Для каких профессий подходит7

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

OELLM 9B — 256K context (ABF, θ=64M) — prelude (1T-token base)

256K long-context extension of the OpenEuroLLM prelude base (Qwen3 dense 9B, qwen3_9b_hf_baby at iter_0124800 ≈ 1T tokens). Continues the θ-law curriculum from our 128K model (oellm-9b-128k-theta32m-prelude) to the next octave. Base model — not instruction-tuned. Multilingual (37 European languages).

Headline: the θ-law extends to 256K

Far-position (depth-0) retrieval is a RoPE high-dimension OOD problem; the critical rotary base θ doubles per context-length octave. This model confirms the law at 256K:

contextθdepth-0
128K32M✓
256K64M100% ✓

Method (staged native ABF)

prelude(4K) → 16K(θ=500k) → 32K(θ=1M) → 64K(θ=2M) → 128K(θ=32M) → 256K(θ=64M). Continued-pretraining in Megatron-LM on LUMI (16× MI250X), CP=16, θ=64M, selective recompute, 1B tokens for the 256K stage. Data: 60% genuine-256K long documents (arXiv/books/code/RFC/docsite concatenated to 256K) + 40% multilingual long-context mix (Jouni Luoma's 152-source blend) — the multilingual portion prevents non-English regression during the 256K stage.

Evaluation (base-LM forced-choice NIAH, chance 25%)

scripts/eval_base_lm_niah.py. The 256K forward needs multi-GPU (device_map="auto" over a full 8-GCD node; one GCD OOMs at 256K).

@256K (7 of 15 languages, 185 trials; full sweep in progress). Overall 90% (168/185).

depth0.00.250.50.751.0
accuracy93%86%87%88%100%

By language: fr 100%, en 98%, pt 96%, pl 93%, de 83%, el 81%, sv 76%. depth-0 = 93% confirms theta=64M solves far-position retrieval at 256K. Mid-depths (0.25/0.5/0.75) in the mid-80s reflect the mild lost-in-the-middle inherited from the 1T base (see 128K-prelude card). 128K retention: 98%. (depth 0.5 = 93%, the mild mid-depth softness carried from the 128K model; see that model's card).

Architecture

Qwen3 dense: 36 layers, hidden 4096, FFN 12288, 32 heads / 8 KV (GQA), kv-channels 128, qk-layernorm, RMSNorm, SwiGLU, untied embeddings, vocab 262144. Config: rope_theta=64000000, max_position_embeddings=262144.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
# 256K context needs several GPUs; use device_map="auto".
m = AutoModelForCausalLM.from_pretrained("openeurollm/oellm-9b-256k-theta64m-prelude",
                                         torch_dtype=torch.bfloat16, device_map="auto")
tok = AutoTokenizer.from_pretrained("openeurollm/oellm-9b-256k-theta64m-prelude")
# Base completion model. Keep rope_theta=64M / max_position=262144 for 256K.

Caveats

  • Base model (no instruction tuning). Single-needle NIAH; broader RULER not yet run.
  • Keep rope_theta=64000000, max_position_embeddings=262144 for 256K.
  • Mild "lost-in-the-middle" inherited from the 1T base (a property of the more-pretrained base; under investigation — larger long-context budget is the leading fix).
  • Repo/code: https://github.com/BirgerMoell/openeuro-longctx-datamix (θ analysis in docs/depth0_diagnosis_theta_sweep.md). Sibling: oellm-9b-128k-theta32m-prelude.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
8d450f8

0 моделей