/ Модель

Характеристики

Контекст
524 288 токенов
Параметры
2,2 млрд
Размер весов
5 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
MiniCPM5-2B-Base
Библиотека
transformers
Опубликована
19 сен 2026

MiniCPM5-2B-Diffusion-Base

Генерация текстаТекст → текст3 профессии

Базовая двунаправленная языковая модель маскированной диффузии для восстановления текста и исследований CID.

963скачиваний за 30 дней2лайкавеса обновлены21 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

MiniCPM5-2B-Diffusion-Base — базовая языковая модель на 2,2 млрд параметров, разработанная fwerkor на основе openbmb/MiniCPM5-2B-Base. Это двунаправленная модель маскированной диффузии с архитектурой Llama-совместимого семейства и классом CIDDiffusionForMaskedLM: она выполняет пошаговое восстановление замаскированных токенов по контексту слева и справа. Модель предназначена для исследований CID и дальнейшего обучения, а не для диалогов по инструкциям.

Модель обучена на англоязычных и китайских веб-текстах, коде и математических данных. Метаданные указывают контекст до 524 288 токенов; описанный в README этап конверсии использовал последовательности длиной 2 048 токенов. Поддерживаются генерация текста и заполнение масок. Для корректной работы требуется Transformers с включённым пользовательским кодом репозитория: обычный автогрессивный класс LlamaForCausalLM меняет семантику модели. Указанная лицензия — Apache-2.0.

Проверка в README показывает улучшение восстановления замаскированных токенов, но модель не настроена на инструкции; генерация при высокой доле масок и свободное продолжение даются сложнее, а длинные свободные генерации могут повторяться. Для специализированного применения предполагается дополнительное обучение.

Сценарии применения

  • восстановление замаскированных фрагментов текста
  • исследование двунаправленной диффузионной генерации текста
  • дообучение диффузионной языковой модели
  • эксперименты с заполнением масок в коде и математических текстах

Ограничения

Модель не настроена на выполнение инструкций; генерация при высокой доле масок и свободное продолжение заметно сложнее восстановления текста, а длинные свободные генерации могут повторяться. Для корректной работы требуется пользовательский код репозитория с trust_remote_code=True.

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

MiniCPM5-2B-Diffusion-Base

MiniCPM5-2B-Diffusion-Base is a bidirectional masked-diffusion language-model backbone converted from openbmb/MiniCPM5-2B-Base. It is intended as a diffusion-native base model for CID and related research, rather than as an instruction-tuned chat model.

The checkpoint keeps the original Llama-compatible parameter layout, while the repository supplies a custom Transformers class that changes the forward pass to full-sequence bidirectional denoising. Loading it as a plain LlamaForCausalLM would be semantically incorrect.

Loading

Use Transformers with remote model code enabled:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "fwerkor/MiniCPM5-2B-Diffusion-Base"

tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(
    repo,
    trust_remote_code=True,
    dtype=torch.bfloat16,
).to("cuda").eval()

The loaded class is CIDDiffusionForMaskedLM. Its forward pass is bidirectional, uses the checkpoint's dedicated mask token, and computes same-position masked denoising logits.

Diffusion generation

The custom class overrides model.generate so it does not fall back to autoregressive GenerationMixin semantics.

prompt = tokenizer(
    "The capital of France is",
    add_special_tokens=False,
    return_tensors="pt",
).input_ids.to("cuda")

output = model.generate(
    prompt,
    max_new_tokens=32,
    diffusion_steps=32,
    block_length=8,
)

print(tokenizer.decode(output[0], skip_special_tokens=True))

For direct masked-token denoising, use model.denoise(input_ids, steps=...).

Stage 0 conversion

The released checkpoint is the completed Stage 0 conversion run:

  • Base: openbmb/MiniCPM5-2B-Base
  • Objective: LLaDA-style absorbing masked diffusion
  • Attention: bidirectional
  • Sequence length: 2,048
  • Optimizer steps: 5,087
  • Global batch size: 96 sequences
  • Tokens processed: 1,000,144,896
  • Learning rate: 2e-5, constant
  • Weight decay: 0.1
  • Precision: BF16
  • Mask-ratio sampling: uniform over [0.001, 1.0]

The streaming corpus mixture was:

SourceWeight
openbmb/UltraX-Preview (UltraX-Ultra-FineWeb)70%
openbmb/Ultra-FineWeb (Chinese)15%
openbmb/UltraData-Code10%
openbmb/UltraData-Math5%

Exact source revisions are recorded in diffusion_config.json.

Validation notes

The conversion substantially improves masked-token denoising over the untouched AR base. In a held-out smoke test used during release validation, the converted checkpoint reduced masked-token cross entropy from roughly 15.9/16.3/19.4 to 4.14/5.24/8.58 at 15%/50%/85% masking respectively.

This is a base checkpoint, not an instruction model. High-mask and free-form generation remain materially harder than low- and medium-mask reconstruction, and long unconstrained generations may repeat. Downstream CID training is expected to specialize the diffusion backbone further.

Paper and citation

This diffusion backbone is developed as part of Continuous Interaction Diffusion (CID). See Continuous Interaction Diffusion: A Diffusion-Native Runtime for Asynchronous Tool-Augmented Reasoning (arXiv:2608.10438, DOI).

If you use this model or the CID runtime, please cite:

@article{cao2026continuous,
  title   = {Continuous Interaction Diffusion: A Diffusion-Native Architecture for Asynchronous Tool-Augmented Reasoning},
  author  = {Cao, Yuhang and Mu, Yanzhou and Fang, Chunrong and Chen, Zhenyu},
  journal = {arXiv preprint arXiv:2608.10438},
  year    = {2026},
  doi     = {10.48550/arXiv.2608.10438},
  url     = {https://arxiv.org/abs/2608.10438}
}

Files and semantics

  • config.json: Transformers config with the CID diffusion auto-map.
  • modeling_cid_diffusion.py: self-contained bidirectional forward and diffusion sampler.
  • diffusion_config.json: Stage 0 provenance and training metadata.
  • model-*.safetensors: BF16 model weights.
  • tokenizer.json / tokenizer_config.json: MiniCPM5 tokenizer plus the dedicated CID mask token.

The dedicated mask token is <|cid_mask|>.

License and attribution

This derivative checkpoint follows the Apache-2.0 license of openbmb/MiniCPM5-2B-Base. See the upstream model card for its full attribution, limitations, and citation information.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
CIDDiffusionForMaskedLM
Ревизия весов
c250954

0 моделей