/ Модель

Характеристики

Контекст
16 384 токена
Параметры
3,1 млрд
Лицензия
Apache 2.0
Архитектура
rwkv7 · dense
Базовая модель
rwkv7-g1
Библиотека
transformers
Опубликована
2 сен 2026

RWKV7-G1j-2.9B-20260831

Генерация текстаТекст → текст3 профессии

Рекуррентная языковая модель RWKV-7 на 2,9 млрд параметров для генерации текста и диалогов с контекстом до 16 384 токенов.

1 006скачиваний за 30 дней0лайковвеса обновлены4 сен 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

RWKV7-G1j-2.9B-20260831 — языковая модель RWKV-7 «Goose» в формате Flash Linear Attention для инференса через Transformers. Репозиторий подготовлен для FLA; исходный чекпойнт взят из BlinkDL/rwkv7-g1 и дообучен. Модель имеет плотную рекуррентную архитектуру RWKV7ForCausalLM, около 3,1 млрд параметров по метаданным (2,948 млрд в README), 32 слоя и контекст до 16 384 токенов. Вместо растущего KV-кэша она поддерживает состояние постоянного размера и допускает параллельное обучение.

Модель предназначена для генерации текста и диалоговых сценариев, однако это базовая языковая модель без настройки на следование инструкциям и без выравнивания по безопасности. Шаблон чата задаёт формат диалога, но соблюдение инструкций может быть непоследовательным. В карточке перечислена поддержка английского, китайского, французского, испанского, немецкого, португальского, русского, итальянского, японского, корейского, вьетнамского и арабского языков. Для запуска README рекомендует NVIDIA GPU с поддержкой BF16; проверка CUDA/Triton-генерации не проводилась, а совместимость зависит от версий GPU, CUDA, PyTorch, Triton и FLA. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжений текста
  • подготовка черновиков на нескольких языках
  • диалоговые прототипы на базе языковой модели
  • локальный инференс рекуррентной языковой модели
  • эксперименты с архитектурой RWKV-7

Ограничения

Это базовая модель, не настроенная на надёжное следование инструкциям и не выровненная по безопасности. CUDA/Triton-генерация не проверялась в README; для запуска указаны NVIDIA GPU с поддержкой BF16, а поведение может зависеть от версий программного стека.

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

This repository provides the RWKV-7 G1j 2.9B checkpoint in the flash-linear-attention (FLA) RWKV7 layout for Transformers-compatible inference.

[!IMPORTANT] This is a base language model, not a safety-aligned instruction-tuned assistant. The included chat template provides a conversational prompt format, but the model may not follow instructions consistently.

About RWKV-7

RWKV-7, also called Goose, is an attention-free recurrent language model. It maintains a constant-size recurrent state instead of an attention KV cache that grows with the preceding sequence. Training remains parallelizable, while recurrent decoding uses constant state size and constant work per generated token with respect to sequence length.

G1j identifies this checkpoint revision. The source checkpoint is available from BlinkDL/rwkv7-g1.

Model details

PropertyValue
ArchitectureRWKV-7 G1j
Parameters in this FLA checkpoint2.948B
Layers32
Hidden size2,560
Heads40 × 64
Feed-forward size10,240
VocabularyRWKV World tokenizer, 65,536 tokens
Configured context length16,384 tokens
Weight dtypeBF16
LicenseApache-2.0

Run with FLA

Use a CUDA-capable NVIDIA GPU with BF16 support. Install the audited FLA revision with its CUDA dependency extra:

python -m pip install \
  "flash-linear-attention[cuda] @ git+https://github.com/fla-org/flash-linear-attention.git@8e84ed4a6727be082c34a3855c60623fd11411e9" \
  "transformers>=4.50.2"

Import fla before using the Auto classes so that the RWKV7 implementation is registered:

import fla
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, PreTrainedConfig

model_id = "fla-hub/RWKV7-G1j-2.9B-20260831"

tokenizer = AutoTokenizer.from_pretrained(
    model_id,
    config=PreTrainedConfig(),
    trust_remote_code=True,
)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
).to("cuda").eval()

messages = [
    {"role": "user", "content": "Explain recurrent language models in one paragraph."}
]
prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    thinking=False,
)
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

with torch.inference_mode():
    output_ids = model.generate(
        **inputs,
        max_new_tokens=128,
        do_sample=True,
        temperature=0.7,
        top_p=0.9,
    )

new_tokens = output_ids[0, inputs.input_ids.shape[1]:]
print(tokenizer.decode(new_tokens, skip_special_tokens=True))

Set thinking=True when applying the chat template to leave an open thinking prefix. This changes only the prompt format; it does not turn the base model into an instruction-tuned or safety-aligned assistant.

Tokenizer

This repository bundles tokenization_rwkv7.py, an exact linear-time trie implementation of the RWKV World tokenizer. It reads the self-contained tokenizer.json, preserves canonical token IDs, and avoids the poor scaling of the generic Unigram tokenizer on long repetitive inputs. Loading it requires trust_remote_code=True, as shown above.

Compatibility and validation

The package was checked with FLA commit 8e84ed4a6727be082c34a3855c60623fd11411e9 and Transformers 4.50.2. Its configuration, tokenizer, chat template, BF16 weights, and Transformers model loading were validated locally. All 1,059 model tensors load into RWKV7ForCausalLM without missing, unexpected, or mismatched keys.

CUDA/Triton generation was not executed in the local CPU-only validation environment. Runtime behavior can depend on the GPU, CUDA, PyTorch, Triton, and FLA versions. Cross-check benchmark or evaluation results against the official RWKV implementation before reporting them.

References

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура rwkv7 неизвестна transformers в образе рантайма.

Класс архитектуры
RWKV7ForCausalLM
Ревизия весов
0a16cec

0 моделей