/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,6 млрд
Размер весов
41,8 ГБ
Лицензия
Своя лицензия
Архитектура
gpt_oss · MoE
Базовая модель
gpt-oss-20b
Библиотека
transformers
Опубликована
7 сен 2026

HyperPrune-gpt-oss-20b-4to8

Генерация текстаТекст → текст3 профессии

Разреженный чекпойнт gpt-oss-20b с маской 4:8 для генерации текста и исследований прунинга LLM.

126скачиваний за 30 дней0лайковвеса обновлены7 сен 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

elastix-ai опубликовала разреженный чекпойнт gpt-oss-20b, полученный из openai/gpt-oss-20b с помощью HyperPrune. Это авторегрессионная MoE-модель для генерации текста и диалогов; в метаданных указано 1,6 млрд параметров и контекст до 131 072 токенов. Веса сохранены в формате safetensors и доступны для загрузки через Transformers.

В чекпойнте применена полуструктурированная разреженность 4:8: маска разрежения проверена, а общая разреженность в обработанной области составляет около 50,6%. Прунинг охватывает все слои декодера. По README, гиперсеть HyperPrune выбирает маски только для первых 200 выходных строк каждой проекции, а для остальных используется маска SparseGPT; калибровка выполнена на валидационной части SlimPajama-6B. Приведены измерения perplexity на WikiText-2, но авторы подчёркивают, что результаты двух протоколов оценки несопоставимы напрямую.

Модель предназначена для экспериментов с разреженными LLM и генерацией текста. README не приводит лицензию точнее, чем метаданные «other»; условия использования следует уточнить в карточке модели и у авторов базовой модели. Приведённые метрики указывают на существенное ухудшение perplexity относительно обычных языковых чекпойнтов, поэтому пригодность для прикладного использования требует отдельной оценки.

Сценарии применения

  • эксперименты с полуструктурированным прунингом языковых моделей
  • сравнение масок разрежения 4:8 на задачах генерации текста
  • оценка perplexity на языковых корпусах
  • изучение влияния калибровочных данных на качество разреженной модели

Ограничения

В README приведены высокие значения perplexity на WikiText-2, поэтому качество генерации может быть ограниченным; результаты двух описанных протоколов оценки напрямую несопоставимы. Условия лицензии обозначены только как «other», поэтому их следует уточнить перед использованием.

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

HyperPrune-gpt-oss-20b-4to8

openai/gpt-oss-20b pruned to 4:8 semi-structured sparsity with HyperPrune (Sun & Sakuma, Learning Semi-Structured Sparsity for LLMs via Shared and Context-Aware Hypernetwork, ICLR 2026, OpenReview).

This is a reproduction run produced at Elastix as part of the BLADE sparsity-method comparison. It is plain sparse bf16/fp16 safetensors and loads with stock transformers:

from transformers import AutoModelForCausalLM, AutoTokenizer
m = AutoModelForCausalLM.from_pretrained("elastix-ai/HyperPrune-gpt-oss-20b-4to8")
t = AutoTokenizer.from_pretrained("openai/gpt-oss-20b")

What differs from the paper's own recipe

paper / repo defaultthis checkpoint
calibration corpusallenai/c4DKYoon/SlimPajama-6B, validation (BLADE's corpus)
pruned modulessee belowsee below

Everything else — hypernet architecture, both training stages, all learning rates, step counts, temperature, prior, row selection — is HyperPrune's own shipped setting.

Configuration

{
  "model": {
    "name_or_path": "openai/gpt-oss-20b",
    "dtype": "bfloat16",
    "moe_routing": "routed"
  },
  "data": {
    "dataset_name": "elastiml:elastix-ai/elastiml-calib-gpt-oss-20b",
    "num_samples": 128,
    "seq_len": 2048,
    "seed": 42
  },
  "sparsity": {
    "n": 4,
    "m": 8
  },
  "hypernet": {
    "type": "mlp",
    "hidden_dim": 256,
    "emb_dim": 64,
    "use_layer_emb": false,
    "use_comp_emb": false,
    "use_hessian_diag": true
  },
  "training": {
    "sup_steps": 12000,
    "sup_lr": 0.001,
    "ft_lr": 0.0003,
    "ft_nsamples": 4,
    "rows_per_step": 400,
    "cascade_inner_steps": 300,
    "ft_mode": "cascade",
    "tau": 0.5,
    "prior_source": "sparsegpt",
    "wanda_residual_alpha": 2.0,
    "compensated_propagation": true,
    "use_weight_compensation": true,
    "train_on_compensated": true,
    "fixed_rows_count": 200,
    "fixed_rows_pos": "first",
    "dense_layers_list": []
  },
  "output": {
    "save_dir": "/home/ubuntu/hyperprune_work/outputs/hp-gptoss_20b-4to8",
    "wanda_dir": "/home/ubuntu/hyperprune_work/outputs/hp-gptoss_20b-4to8_ref",
    "preserve_wanda_dir": false
  }
}

Measured

metricvalue
overall decoder sparsity (check_sparsity)0.5060 over the pruned scope; strict 4:8 verified
WikiText-2 PPL (HyperPrune eval_ppl.py, seqlen 2048)193.438
WikiText-2 word PPL (lm-eval-harness, BLADE's protocol)267.53
training wall-clock52.7 min
peak GPU during cascade FT11.24 GB
GPU1 x NVIDIA RTX PRO 6000 Blackwell (97 GB), CUDA 13.0, torch 2.13.0+cu130

Two things to know before comparing this number to the paper

1. Every decoder layer is pruned here. HyperPrune's own shipped configs set dense_layers_list: [0, 1], leaving 2 layers fully dense and yielding ~46.9 % sparsity rather than 50 %. This checkpoint prunes every layer, matching BLADE's four_eight_experts spec, so it is a true 4:8 model in the modules BLADE prunes.

2. Only a few percent of this mask was chosen by the hypernet. The shipped recipe sets fixed_rows_count: 200, so the hypernet decides the mask for the first 200 output rows of each projection and every remaining row keeps the SparseGPT prior's mask verbatim. This is HyperPrune's own default, kept here deliberately because the brief was to change nothing but the calibration corpus.

The two perplexity rows are different quantities and are not comparable to each other. The first is token-level PPL over concatenated WikiText-2 at seqlen 2048 (the Wanda/SparseGPT convention). The second is lm-evaluation-harness word_perplexity at max_length=2048, which is BLADE's protocol — pinned empirically by reproducing BLADE's dense LLaMA-2-7B value of 9.19 (measured 9.1915).

Provenance

Produced from HyperPrune commit 6d093d7 with a small set of documented patches (bias-dtype autocast, calibration loader, disk-peak reduction, and — for 4:8 checkpoints — the N:M generalization, which the reference implementation does not ship). See the reproduction report for the full diff.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GptOssForCausalLM
Ревизия весов
60f4b8d

0 моделей