/ Модель

Характеристики

Размер весов
15,8 ГБ
Лицензия
MIT
Архитектура
glm5_next · dense
Базовая модель
GLM-5.3-Flash
Библиотека
transformers
Опубликована
6 сен 2026

Ling-3.0-tiny-GLM-5.3-Flash-surgery

Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель на базе GLM-5.3-Flash для генерации ответов и исследований постобучения.

809скачиваний за 30 дней1лайквеса обновлены16 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

Ling → GLM-5.3-Flash surgery — экспериментальный текстовый чекпойнт на 7,80 млрд параметров, подготовленный imvladikon. Токенизатор и веса перенесены из inclusionAI/Ling-3.0-tiny в архитектуру GLM-5.3-Flash посредством манипуляции весами; сохранены отдельные таблицы эмбеддингов и выходных весов. Модель загружается стандартными средствами Transformers, а её контекст настроен на 2048 токенов.

Модель предназначена для тестирования, продолжения обучения и экспериментов с постобучением, а также может генерировать ответы на текстовые запросы и вести диалог. В карточке приведены примеры генерации на английском, русском и многоходовых запросах, но они дают лишь ограниченное представление о качестве. Заявлена лицензия MIT.

Качество генерации нестабильно: возможны циклы повторов, ошибки словоформ и склонения, неожиданное переключение или смешение языков, а также ошибки в арифметике. Хотя в архитектуре есть небольшой неиспользуемый зрительный каркас, веса для изображений не поставляются, поэтому обработка изображений и видео не поддерживается. Формат сохранённых тензоров рассчитан на загрузку через Transformers; после дообучения перед передачей в другие инструменты может потребоваться преобразование весов.

Сценарии применения

  • эксперименты с генерацией текста и диалогом
  • проверка загрузки чекпойнта GLM-5.3-Flash в Transformers
  • продолжение обучения текстовой модели
  • исследования постобучения и вариантов шаблонов диалога

Ограничения

Качество генерации нестабильно: модель может повторяться, ошибаться в грамматике и арифметике или неожиданно смешивать языки. Не поддерживает обработку изображений и видео; сохранённый формат тензоров предназначен для Transformers.

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

Ling → GLM-5.3-Flash surgery

Experimental 7.80B text checkpoint, saved with stock Transformers save_pretrained(). Weight and tokenizer donor: inclusionAI/Ling-3.0-tiny, transferred into the native GLM-5.3-Flash architecture through weight surgery. Full donor tokenizer and untied embedding/output tables retained.

This model is intended for testing, continued training, and post-training experiments. Generation quality is unstable. Known limitations include:

  • Repetition loops: generation can get stuck repeating text.
  • Morphological errors: malformed word forms and incorrect inflections.
  • Unintended language switching / language mixing: Chinese characters can appear unexpectedly in otherwise English output.
  • Arithmetic errors, including an observed 6 × 7 → 49 response.
from transformers import AutoTokenizer, Glm5NextForConditionalGeneration

repo = "imvladikon/Ling-3.0-tiny-GLM-5.3-Flash-surgery"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = Glm5NextForConditionalGeneration.from_pretrained(repo)

Tested with Transformers 5.16.1, including ten English generations using these plain loading calls. No custom model code or auto_map. Only text weights are supplied. The stock loader reports missing model.visual.* weights for a tiny unused vision scaffold (depth 0, width 32). Image/video inference is unsupported. Context configured to 2048; sparse indexer selection remains untrained.

Checkpoint layout

Tensors carry the names released GLM-5.3-Flash uses: one tensor per expert (mlp.experts.7.gate_proj.weight), separate q_conv1d / k_conv1d / v_conv1d, and hc_attn_fn rather than attn_hc.fn — 9510 tensors. Transformers fuses them during loading through the glm5_next entry of its conversion_mapping, so from_pretrained needs nothing extra.

Those fused names are what the modules hold in memory, which means save_pretrained() writes the fused form back out (688 tensors). Transformers reads that form again, but nothing else does: Megatron-Bridge and the Megatron converters map from the released names, because the fused layout is an implementation detail that was never published. After fine-tuning and saving this model, rewrite the result before handing it to anything but Transformers:

python to_released_layout.py --source ./my-finetune --destination ./my-finetune-released

An earlier revision of this repository was published in the fused form. This one was rewritten and checked on Transformers 5.17.0: every one of the 688 fused tensors reassembles bitwise from the 9510 released ones, the key set matches a released GLM-5.3-Flash index exactly, and English, Russian and multi-turn prompts generate.

The following ten examples demonstrate basic English generation. Questions are abbreviated; answers are verbatim. Generation used do_sample=False, max_new_tokens=40, and enable_thinking=False in the chat template. These examples provide limited evidence of overall quality and generation stability.

Question (abbreviated)Verbatim answer
Capital of Japan?The capital of Japan is Tokyo.
Largest planet?Jupiter
Spider's legs?8
Water freezing temperature, °C?0°C
Chemical symbol for oxygen?O
Largest ocean?The Pacific Ocean is the largest ocean on Earth.
Triangle's sides?3
Opposite of “hot”?Cold
15 minus 6?9
Animal known for barking?Dog

Choosing the chat template: Ling (default) or Flash

The repository contains one parameterized chat_template.jinja. Transformers loads it automatically with AutoTokenizer.from_pretrained(repo); no custom Python helper or separate template download is needed.

Pass template_variant="ling" or template_variant="flash" directly to tokenizer.apply_chat_template. Omitting the argument selects Ling.

from transformers import AutoTokenizer

repo = "imvladikon/Ling-3.0-tiny-GLM-5.3-Flash-surgery"
tokenizer = AutoTokenizer.from_pretrained(repo)
messages = [{"role": "user", "content": "What is the capital of France?"}]

prompt = tokenizer.apply_chat_template(
    messages,
    template_variant="ling",  # default; change to "flash" for the Flash format
    enable_thinking=False,
    add_generation_prompt=True,
    tokenize=False,
)

enable_thinking=False ends the generation prompt with <think></think> in both formats; True (the default) leaves <think> open. This controls the prompt, not a guarantee of the model's generated behavior. Optional tools=tools passes function schemas. In conversation history, tool-call arguments must be dictionaries and responses from tools must be strings. Tool execution remains the caller's responsibility. reasoning_effort="low", "high", or "max" applies only to the Flash format.

For tokenized model inputs, use tokenize=True, return_dict=True, return_tensors="pt". If you tokenize the rendered string separately, use add_special_tokens=False.

Generation stop tokens

The repository's generation_config.json defaults to Ling: EOS is <|endoftext|> / <|role_end|>, and <|role_end|> is allowed to be generated. A Jinja argument does not change the generation configuration. When selecting Flash, also configure its native stop tokens and restore its suppression of <|role_end|>:

from transformers import GenerationConfig

flash_config = GenerationConfig.from_pretrained(repo)
flash_config.eos_token_id = tokenizer.convert_tokens_to_ids(
    ["<|endoftext|>", "<|user|>", "<|observation|>"]
)
for field in ("suppress_tokens", "begin_suppress_tokens"):
    values = getattr(flash_config, field, None)
    if values is not None:
        setattr(flash_config, field, [i for i in values if i not in flash_config.eos_token_id])
role_end_id = tokenizer.convert_tokens_to_ids("<|role_end|>")
flash_config.suppress_tokens = sorted(set(flash_config.suppress_tokens or []) | {role_end_id})

# Pair this config with inputs rendered using template_variant="flash":
# output = model.generate(**inputs, generation_config=flash_config, max_new_tokens=256)

These options switch prompt formatting and generation stops; they do not change model weights. The generation examples above were recorded before this template update. Template rendering, tokenization, tool-message formatting, and save/reload were checked separately without loading model weights.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Glm5NextForConditionalGeneration
Ревизия весов
f9ee648

0 моделей