/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
249 млн
Лицензия
Apache 2.0
Архитектура
dhara_ar · dense
Базовая модель
dhara-250m-ar-base
Библиотека
transformers
Опубликована
26 мая 2026

dhara-250m

Генерация текстаТекст → текст5 профессий

Небольшая англоязычная языковая модель для диалоговой генерации текста с авторегрессивным, блочно-диффузионным и самоспекулятивным режимами декодирования.

3 004скачиваний за 30 дней5лайковвеса обновлены10 июл 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

Dhara-250M Tri-Mode — языковая модель, разработанная codelion на базе codelion/dhara-250m-ar-base и дообученная по схеме совместного обучения авторегрессивной генерации и блочной диффузии. Модель содержит 248,5 млн параметров, использует плотную LLaMA-подобную архитектуру DharaAR и поддерживает контекст до 4 тысяч токенов по результатам обучения; конфигурация допускает 32 768 токенов, но качество заметно снижается за пределами обученного контекста.

Модель предназначена для генерации текста и диалогов, включая сценарии с вызовом инструментов. Из одних и тех же весов доступны три режима: авторегрессивный для наиболее качественной генерации, блочная диффузия для снижения задержки с компромиссом в качестве и самоспекуляция, где диффузионные черновики проверяются авторегрессивным декодированием. На одиночном потоке два последних режима могут ускорить генерацию, тогда как при большой пакетной нагрузке авторегрессивный режим обеспечивает более высокую пропускную способность.

Модель обучалась примерно на 60 млрд токенов, включая продолженное предобучение и настройку на диалоговых и образовательных данных. В карточке указана поддержка английского языка. Для запуска рекомендуется Transformers; заявлен шаблон чата ChatML с инструментами в стиле Hermes. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в англоязычном чат-боте
  • диалог с вызовом внешних инструментов
  • снижение задержки генерации в одиночном потоке
  • сравнение авторегрессивного и диффузионного декодирования
  • пакетная генерация текста на GPU

Ограничения

Модель обучалась на контексте до 4 тысяч токенов, и качество резко ухудшается при длине 16–32 тысячи токенов. Блочно-диффузионное декодирование снижает задержку ценой качества, а диффузионные режимы хуже масштабируются при пакетной генерации.

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

Dhara-250M — Tri-Mode (AR + Block-Diffusion + Self-Speculation)

A 250M-parameter language model that decodes in three modes from one set of weights, following NVIDIA's Nemotron-Labs-Diffusion: Tri-Mode recipe (joint AR + block-diffusion training). Built from codelion/dhara-250m-ar-base and trained to ~60B cumulative tokens (~50B added for this model). Architecture: LLaMA-style with Canon depthwise-conv layers, QK-norm, logit soft-cap, GQA, RoPE θ=8M.

Demo: dhara-chat Space — chat with it and compare all three decoding modes.

The three modes

ModeHowUse it for
ARcausal mask, KV-cached generate()highest-quality left-to-right generation
Block-diffusionblock-causal mask, parallel unmaskinglower-latency parallel decoding (quality tradeoff)
Self-speculationdiffusion drafts → AR verifiesAR-quality output at lower latency (lossless-ish)

Usage (transformers — works directly, no extra files)

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

ck = "codelion/dhara-250m"
tok = AutoTokenizer.from_pretrained(ck, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(ck, trust_remote_code=True, torch_dtype=torch.bfloat16).cuda().eval()
im_end = tok.convert_tokens_to_ids("<|im_end|>")

msgs = [{"role": "user", "content": "Give me three tips for staying healthy."}]
prompt = tok.apply_chat_template(msgs, tokenize=False, add_generation_prompt=True)
ids = tok(prompt, return_tensors="pt", add_special_tokens=False).input_ids.cuda()

# Mode 1 — AR (recommended for chat); sampling gives the best quality
out = model.generate(ids, max_new_tokens=128, do_sample=True, temperature=0.7,
                     top_p=0.9, repetition_penalty=1.15, eos_token_id=im_end)
print(tok.decode(out[0, ids.shape[1]:], skip_special_tokens=True))

# Mode 2 — block-diffusion (faster, quality tradeoff)
print(tok.decode(model.generate_diffusion(ids, block_len=32, threshold=0.5, max_new_tokens=128)[0, ids.shape[1]:], skip_special_tokens=True))

# Mode 3 — self-speculation (AR-quality, speedup)
print(tok.decode(model.generate_self_spec(ids, k=8, max_new_tokens=128)[0, ids.shape[1]:], skip_special_tokens=True))

Chat template is ChatML + Hermes-style tools (shipped in the tokenizer); the model supports an OpenAI-style tools=[...] argument.

Benchmarks (lm-eval-harness 0.4.11, identical harness for all models)

10 tasks (9 zero-shot + MMLU 5-shot); metric = acc_norm where defined, else acc. Columns: dhara-base (the AR base, codelion/dhara-250m-ar-base), this model in AR mode and in diffusion mode (dhara-diff), and — as an external reference run through the same harness — SmolLM-135M.

Taskdhara-base (AR)dhara (AR)dhara-diffSmolLM-135M
piqa57.762.658.368.3
winogrande50.150.051.953.1
truthfulqa_mc250.146.443.339.3
boolq37.837.851.259.9
openbookqa32.232.431.233.8
arc_easy30.232.440.756.2
hellaswag27.233.538.342.7
arc_challenge25.627.524.728.8
mmlu (5-shot)22.922.925.825.9
sciq21.323.361.374.7
Average35.536.942.748.3

Tri-mode training improves the AR base by +1.4 points (AR mode) and by +7.2 points in diffusion mode. dhara-diff (42.7) is the headline configuration — bidirectional answer scoring drives large gains over the base on sciq (+40), boolq (+13) and arc_easy (+11).

Data efficiency. SmolLM-135M (48.3) was trained on ~600B tokens — roughly 10× dhara's ~60B (built on the 10B-token pedagogical sutra-10B corpus). Despite that 10× data gap, dhara-diff lands only ~12% below SmolLM-135M on average (42.7 vs 48.3) and wins truthfulqa outright — echoing the data-efficiency results in Scaling Pedagogical Pre-training to 10 Billion Tokens.

Decoding speed (single H100, measured)

Modebatch-1 latencypeak batched throughputquality
AR (KV-cached)61 tok/s33,067 tok/s (batch 4096)full
Block-diffusion (thr 0.5)103 tok/s~2,200 tok/s (OOM ≥ batch 2048)quality tradeoff
Self-speculation (k=8)84 tok/s~2,200 tok/sAR-quality (accept ~1.4/8)

Two regimes. At batch 1, block-diffusion and self-speculation are 1.4–1.7× faster than AR — they emit 2.09 / 1.20 tokens per model forward, a single-stream latency win. Batched for throughput, AR wins by ~15×: it is KV-cached (one new token per forward, scaling 61 → 33,067 tok/s from batch 1 → 4096), whereas the diffusion modes re-run a full uncached forward over the whole block each step and saturate memory early. Rule of thumb: reach for diffusion/self-speculation for low-latency single-stream decoding, and for batched AR when you want maximum throughput.

Context length

4k tokens. Config permits 32768 (θ=8M) and the architecture includes YaRN, but the model was only trained to 4k; perplexity is flat to ~4k, mild at 8k, and degrades sharply beyond (16k–32k).

Training

codelion/dhara-250m-ar-base → +30B continued pretraining + 10B high-LR probe on the pedagogical sutra-10B corpus → +7B Stage-2 joint AR+block-diffusion (α=0.3, block 32) → +2B joint SFT (Tulu-3 + Hermes function-calling) → +1B annealing (FineWeb-Edu + chat) ≈ 60B cumulative tokens.

Serving

Please use Hugging Face transformers for serving (from_pretrained(trust_remote_code=True)) — all three modes work directly, with no extra files or setup.

Example

Recommended chat settings (AR mode): do_sample=True, temperature=0.7, top_p=0.9, repetition_penalty=1.15.

Prompt: Give me three tips for staying healthy.

Output:

Firstly, make sure you're eating plenty of fruits and vegetables. These are good sources of vitamins and minerals that help support your immune system and overall health. Additionally, stay hydrated by drinking plenty of water throughout the day. This will help regulate your body's temperature and keep you hydrated.

References

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
DharaARForCausalLM
Ревизия весов
5f6da49

0 моделей