/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Лицензия
CC BY 4.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
8 мая 2026

Orthrus-Qwen3-1.7B

Генерация текстаТекст → текст5 профессий

Разговорная модель на базе Qwen3 с диффузионной головкой для ускоренной параллельной генерации текста.

430скачиваний за 30 дней9лайковвеса обновлены16 мая 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

Orthrus-Qwen3-1.7B — разговорная языковая модель на базе Qwen3, разработанная в рамках проекта Orthrus. Она сочетает авторегрессионную языковую модель с обучаемой диффузионной головкой для параллельной генерации токенов. Модель предназначена для генерации текста и диалоговых сценариев с ускоренным выводом; карточка заявляет ускорение до 7,8 раза при сохранении распределения предсказаний исходной модели.

Архитектура — плотная модель OrthrusLM с механизмом Dual-View Attention: авторегрессионная основа и параллельная диффузионная головка используют общий KV-кэш. Заявлено, что обучено около 16% параметров, а основная модель остаётся замороженной. Размер — 1,7 млрд параметров, контекст — до 40 960 токенов. Для загрузки требуется Transformers с поддержкой пользовательского кода модели; README также указывает Torch и FlashAttention.

Модель опубликована по лицензии CC BY 4.0. Карточка не приводит сведения о поддерживаемых естественных языках или ограничениях качества и областях применения; заявленные ускорение и точное совпадение с базовой моделью относятся к описанию разработчика.

Сценарии применения

  • ускоренная генерация ответов в чате
  • создание продолжений текста
  • генерация текста с длинным контекстом

Ограничения

Для загрузки требуется поддержка пользовательского кода Transformers, а README указывает на необходимость FlashAttention. Ускорение до 7,8 раза и сохранение точного распределения предсказаний заявлены авторами и не сопровождаются в карточке условиями или результатами оценки.

Для каких профессий подходит5

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

Orthrus-Qwen3-1.7B

Paper | GitHub

Orthrus is a simple and efficient dual-architecture framework that unifies the exact generation fidelity of autoregressive Large Language Models (LLMs) with the high-speed parallel token generation of diffusion models. By augmenting a frozen pre-trained LLM with a lightweight, trainable diffusion module, Orthrus delivers significantly accelerated inference without sacrificing output quality.

Key Features

  • Significant Inference Acceleration: Breaks the sequential bottleneck of standard autoregressive decoding, delivering up to a $7.8\times$ speedup on generation tasks.
  • Strictly Lossless Generation: Employs an exact intra-model consensus mechanism to guarantee that the output matches the original base model's exact predictive distribution.
  • Zero Redundant Memory Overhead: Both the autoregressive and diffusion views attend to the exact same high-fidelity Key-Value (KV) cache natively, resulting in only an $O(1)$ memory cache overhead.
  • Parameter Efficient: Parallel generation capabilities are injected by fine-tuning only 16% of the total model parameters while keeping the base LLM strictly frozen.

Installation

Ensure you have transformers, torch, and flash-attention installed. We used torch==2.10 and transformers==5.8.0.

How to Get Started

Use the following code to run inference with the model. Ensure your environment supports FlashAttention and you are passing trust_remote_code=True to load the custom Orthrus architecture.

from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
import torch

MODEL_PATH = "chiennv/Orthrus-Qwen3-1.7B"

# Load the model and tokenizer
model = AutoModelForCausalLM.from_pretrained(
    MODEL_PATH, 
    dtype=torch.bfloat16, 
    device_map="cuda", 
    attn_implementation="flash_attention_2", # options: sdpa | eager | flash_attention_4
    trust_remote_code=True # Note: trust_remote_code=True is required
).eval()
tokenizer = AutoTokenizer.from_pretrained(MODEL_PATH)

prompt = "Write a program to count the frequency of each word in a paragraph."
messages = [
    {"role": "system", "content": ""},
    {"role": "user", "content": prompt}
]

input_ids = tokenizer.apply_chat_template(
    messages, 
    tokenize=True,
    enable_thinking=False,
    add_generation_prompt=True, 
    return_tensors="pt",
).input_ids

# Generate text natively utilizing parallel diffusion projection
output_ids = model.generate(
    input_ids=input_ids.to(model.device), 
    max_new_tokens=2048,
    use_diffusion_mode=True, 
    streamer=TextStreamer(tokenizer, skip_prompt=True) # enable streaming
)

Citation

If you find this model or architecture useful in your work, please cite our paper:

@misc{vannguyen2026orthrusmemoryefficientparalleltoken,
      title={Orthrus: Memory-Efficient Parallel Token Generation via Dual-View Diffusion}, 
      author={Chien Van Nguyen and Chaitra Hegde and Van Cuong Pham and Ryan A. Rossi and Franck Dernoncourt and Thien Huu Nguyen},
      year={2026},
      eprint={2605.12825},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2605.12825}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OrthrusLM
Ревизия весов
7dc9735

0 моделей