/ Модель

Характеристики

Контекст
131 072 токена
Параметры
15,1 млрд
Размер весов
17,8 ГБ
Лицензия
Своя лицензия
Архитектура
nemotron_h · dense
Базовая модель
NVIDIA-Nemotron-Nano-9B-v2
Библиотека
transformers
Опубликована
22 мар 2026

openNemo-9B

Генерация текстаТекст → текст8 профессий

openNemo — реализация Nemotron-H на чистом PyTorch, упрощающая генерацию текста, 4/8-битную квантизацию и QLoRA дообучение.

231скачиваний за 30 дней12лайковвеса обновлены23 мар 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

openNemo — реализация архитектуры Nemotron-H на чистом PyTorch от Empero AI. Она сохраняет гибридное устройство исходной модели NVIDIA: 52 слоя с блоками Mamba2, Grouped Query Attention и MLP, а также имена весов, поэтому исходные чекпойнты Nemotron-H можно загружать без преобразования. Репозиторий рассчитан на запуск языковой модели и упрощение её использования с bitsandbytes-квантизацией в 4- и 8-битном режиме и QLoRA дообучением на потребительских GPU.

Модель подходит для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Указан размер 15,1 млрд параметров, форматы весов — safetensors; реализация использует библиотеку Transformers. В тегах карточки перечислены английский, испанский, французский, немецкий, итальянский и японский языки.

Реализация заменяет зависимости от внешних CUDA-ядер Mamba на операции PyTorch, что упрощает установку и позволяет использовать bitsandbytes и QLoRA. README не приводит отдельную оценку качества или сравнительные результаты; чисто PyTorch-реализация может иметь иные требования к скорости и памяти, чем оптимизированные CUDA-ядра. Лицензия обозначена как other, поэтому условия повторного использования следует сверять с карточкой модели и базового чекпойнта.

Сценарии применения

  • генерация ответов в диалоговом приложении
  • создание и продолжение текстов
  • загрузка Nemotron-H с 4-битной квантизацией
  • QLoRA дообучение Nemotron-H на потребительском GPU
  • интеграция языковой модели с вызовом инструментов

Ограничения

Карточка не приводит бенчмарков или оценок качества; практическая скорость и потребление памяти реализации на чистом PyTorch не указаны. Для исходного репозитория лицензия указана как other, поэтому условия использования нужно проверить отдельно.

Для каких профессий подходит8

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

openNemo

openNemo

Pure-PyTorch drop-in replacement for NVIDIA's Nemotron-H architecture.

Removes all external CUDA kernel dependencies (mamba-ssm, causal-conv1d) and replaces them with native PyTorch operations, making the model fully compatible with bitsandbytes quantization (4-bit / 8-bit) and QLoRA fine-tuning on consumer GPUs.

By Empero AI


Why?

NVIDIA's Nemotron-H is a hybrid Mamba2 + Transformer architecture — one of the most promising open model designs. But the original implementation depends on mamba-ssm and causal-conv1d, which ship pre-compiled Triton/CUDA kernels that:

  • Break bitsandbytes quantization — the kernels call F.linear directly, which collides with bnb's __torch_function__ hook on quantized weights (4-bit weights are stored as flat 1D blobs, causing shape mismatches)
  • Require specific CUDA versions — kernel compilation failures are common on consumer setups
  • Cannot be pip-installed cleanly on many systems without manual builds

This means you can't load Nemotron-H in 4-bit, you can't use QLoRA, and you can't train it efficiently on a single GPU. openNemo fixes all of that.

What Changed

ComponentOriginal (NVIDIA)openNemo
rmsnorm_fnmamba_ssm.ops.triton.layer_normPure PyTorch group-wise RMSNorm + SiLU gating
mamba_split_conv1d_scan_combinedmamba_ssm.ops.triton.ssd_combinedRemoved — replaced by chunked torch_forward
selective_state_updatemamba_ssm.ops.triton.selective_state_updatePure PyTorch SSM step
causal_conv1d_fn / causal_conv1d_updatecausal_conv1d packagenn.Conv1d with causal padding / manual cache update
Forward routingFast path (kernels) vs slow pathAlways uses optimized torch path
.model accessorOnly .backbone.model property alias (PEFT/LoRA compatible)

All weight names are preserved — load original NVIDIA checkpoints directly with zero conversion.

Quickstart

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig

bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16,
    bnb_4bit_use_double_quant=True,
)

model = AutoModelForCausalLM.from_pretrained(
    "empero-ai/openNemo-9B",
    quantization_config=bnb_config,
    trust_remote_code=True,
    device_map="auto",
)

tokenizer = AutoTokenizer.from_pretrained("empero-ai/openNemo-9B")

No mamba-ssm install needed. Just pip install transformers bitsandbytes and go.

QLoRA Fine-Tuning

from peft import LoraConfig, get_peft_model

lora_config = LoraConfig(
    r=64,
    lora_alpha=32,
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj",
                     "gate_proj", "up_proj", "down_proj"],
    lora_dropout=0.05,
    bias="none",
    task_type="CAUSAL_LM",
)

model = get_peft_model(model, lora_config)
model.print_trainable_parameters()

Requirements

torch>=2.1
transformers>=4.40
bitsandbytes>=0.43  # for 4-bit quantization
peft>=0.10          # for LoRA/QLoRA

That's it. No mamba-ssm. No causal-conv1d. No CUDA kernel compilation.

Architecture

Nemotron-H is a 52-layer hybrid model with three block types defined by the pattern:

M-M-M-M*-M-M-M-M-M*-M-M-M-M-M*-M-M-M-M-M*-M-M-M-M-M-
  • M — Mamba2 SSM block (majority of layers)
  • * — Grouped Query Attention block (5 layers total)
  • - — MLP block (feed-forward)

openNemo preserves this exact architecture. The Mamba2 blocks use a chunked structured state-space duality (SSD) scan implemented in pure PyTorch, with the same algorithmic approach as the original torch_forward path.

Files

FileDescription
modeling_nemotron_h.pyFull model implementation — all Mamba2/Attention/MLP blocks
configuration_nemotron_h.pyModel config (unchanged from NVIDIA's original)
__init__.pyModule exports

License

Apache 2.0 — same as the original NVIDIA release.

Acknowledgments

Based on NVIDIA's Nemotron-H architecture. Original Mamba2 by Albert Gu and Tri Dao.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
NemotronHForCausalLM
Ревизия весов
543064e

0 моделей