/ Модель

Характеристики

Контекст
16 384 токена
Параметры
7,8 млрд
Лицензия
Apache 2.0
Архитектура
rwkv7 · dense
Базовая модель
rwkv7-g1
Библиотека
transformers
Опубликована
2 сен 2026

RWKV7-G1j-7.2B-20260831

Генерация текстаТекст → текст4 профессии

Базовая многоязычная рекуррентная модель RWKV-7 на 7,8 млрд параметров для генерации текста и диалогов с постоянным размером состояния.

2 166скачиваний 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

RWKV-7 G1j 7.2B — базовая языковая модель семейства RWKV-7 («Goose»), подготовленная fla-hub в формате Flash Linear Attention (FLA) для инференса через Transformers. Это плотная рекуррентная архитектура без attention: она поддерживает состояние постоянного размера вместо растущего KV-кэша и выполняет декодирование с постоянной работой на токен относительно длины последовательности. В чекпойнте 7,8 млрд параметров по метаданным, 32 слоя, контекст 16 384 токена; README указывает 7,199 млрд параметров для FLA-чекпойнта.

Модель предназначена для генерации текста и диалоговых сценариев. Она обучена на больших текстовых корпусах и поддерживает английский, китайский, французский, испанский, немецкий, португальский, русский, итальянский, японский, корейский, вьетнамский и арабский языки. Это базовая модель, а не выровненный по безопасности или дообученный на инструкции ассистент, поэтому она может непоследовательно выполнять запросы. Для запуска описана связка FLA и Transformers на CUDA-совместимом GPU с поддержкой BF16; генерация CUDA/Triton в README не проверялась. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения текста
  • создание диалоговых приложений на основе базовой языковой модели
  • локальный инференс многоязычной языковой модели на GPU
  • эксперименты с дообучением RWKV-7
  • обработка длинных последовательностей с рекуррентным состоянием

Ограничения

Это базовая модель, не настроенная для следования инструкциям или безопасности, поэтому ответы могут быть непоследовательными. CUDA/Triton-генерация не была проверена в README; поведение зависит от версий GPU, CUDA, PyTorch, Triton и FLA.

Для каких профессий подходит4

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 7.2B 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 checkpoint7.199B
Layers32
Hidden size4,096
Heads64 × 64
Feed-forward size16,384
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-7.2B-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
018fa2a

0 моделей