/ Модель

Характеристики

Контекст
1 048 576 токенов
Лицензия
MIT
Архитектура
glm5_next · dense
Базовая модель
GLM-5.3-Flash
Библиотека
transformers
Опубликована
26 авг 2026

GLM-5.3-Flash-0.1B-A0.1B

Изображение и текст → текст3 профессии

Тестовая уменьшенная модель GLM-5.3-Flash для разработки и проверки инструментов обслуживания, квантования и CI.

2 780скачиваний за 30 дней3лайкавеса обновлены31 авг 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 «Изображение → 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

GLM-5.3-Flash-0.1B-A0.1B — тестовая уменьшенная версия модели GLM-5.3-Flash, подготовленная inference-optimization для разработки и проверки инструментов. Модель использует архитектуру glm5_next с классом Glm5NextForConditionalGeneration; в чекпойнте около 84 млн параметров и сохранена структура исходной архитектуры, включая текстовую часть и башню зрения. Контрольная точка хранится в формате safetensors с точностью bf16.

Модель предназначена для тестирования и разработки средств квантования, обслуживания моделей и CI. Её обучали на небольшом текстовом наборе; башня зрения осталась со случайными весами. По заявлению автора, модель не обладает практическими языковыми или визуальными возможностями и не подходит для прикладных задач. Лицензия — MIT.

Сценарии применения

  • Проверка загрузки моделей glm5_next в Transformers
  • Тестирование конвейеров обслуживания моделей
  • Проверка инструментов квантования на компактном чекпойнте
  • Интеграционные проверки моделей в CI

Ограничения

Автор указывает, что модель не обладает практическими языковыми или визуальными возможностями: веса случайно инициализированы и дообучены на игрушечном текстовом наборе, а башня зрения не обучалась. Для реальных задач её использовать не следует.

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

GLM-5.3-Flash-0.1B-A0.1B

This is a tiny version of zai-org/GLM-5.3-Flash created for testing and development.

Model Details

  • Base Model: zai-org/GLM-5.3-Flash
  • Architecture: glm5_next (Glm5NextForConditionalGeneration)
  • Total Parameters: 0.084B
  • Activated Parameters: 0.084B (MoE: 4 of 8 routed experts + 1 shared expert per sparse layer)

This tiny model preserves the full architecture of the base model:

  • Hybrid attention: KDA linear attention (linear_attention) layers and DeepSeek sparse attention / MLA (deepseek_sparse_attention) layers with the token indexer.
  • Mixed FFN schedule: dense MLP layers (first 3) and sparse MoE layers (routed experts + shared expert).
  • Manifold-Constrained Hyper-Connections (mHC) at every attention/FFN site.
  • The vision tower (Glm5NextVisionModel) and multimodal projector.

The model is a bf16 dense checkpoint (the base model's fp8 quantization_config was removed so the tiny model can be randomly initialized and fine-tuned).

Configuration Changes

The following parameters were reduced from the original model:

ParameterOriginalTiny
text hidden_size4096256
text num_hidden_layers455
text intermediate_size (dense)12288256
text moe_intermediate_size2048128
n_routed_experts2888
num_experts_per_tok84
n_shared_experts11
num_attention_heads / num_key_value_heads644
q_lora_rank1536128
kv_lora_rank51264
qk_nope_head_dim / v_head_dim25664
index_n_heads324
index_head_dim12864
index_topk204864
index_kpool44
linear attn num_heads644
vision depth242
vision hidden_size1024128
vision out_hidden_size4096256
vocab_size154880154880 (unchanged)
quantizationfp8 (block 128×128)none (bf16)

Per-layer schedules were regenerated for the reduced depth:

  • layer_types: [linear, linear, linear, deepseek_sparse_attention, linear]
  • mlp_layer_types: [dense, dense, dense, sparse, sparse]
  • indexer_types: [full, full, full, full, full]

Checkpoint Structure

Single-file model.safetensors (223 tensors). The tensor naming is analogous to the original sharded checkpoint (model.language_model.layers.*, model.visual.*, lm_head.weight, hyper-connection params hc_attn_* / hc_ffn_*, MLA params q_a_proj/q_b_proj/kv_a_proj_with_mqa/kv_b_proj, indexer params, KDA linear-attention params, and packed MoE mlp.experts.*).

Two intentional differences vs. the original:

  • No weight_scale_inv tensors — the tiny model is bf16, not fp8.
  • No MTP layer (original layer index 45 with eh_proj/enorm/hnorm/shared_head.norm) — the transformers Glm5Next model does not build the multi-token-prediction layer (_keys_to_ignore_on_load_unexpected skips layers.45.*), so no converter is required.

Usage

from transformers import Glm5NextForConditionalGeneration, AutoTokenizer

model = Glm5NextForConditionalGeneration.from_pretrained(
    "inference-optimization/GLM-5.3-Flash-0.1B-A0.1B", device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("inference-optimization/GLM-5.3-Flash-0.1B-A0.1B")

input_ids = tokenizer("According to all known laws", return_tensors="pt").input_ids.to(model.device)
output = model.generate(input_ids, max_new_tokens=20)
print(tokenizer.decode(output[0]))

Creation Process

This model was created using the llm-compressor create-tiny-model claude skill.

  1. Built a reduced Glm5NextConfig from the base config (removed quantization_config; shrank hidden/layer/expert/MLA/indexer/vision dims; regenerated per-layer schedules).
  2. Randomly initialized weights (init_weights + non-finite/extreme-value fixup) with transformers 5.16.1.
  3. Fine-tuned text-only on a small copypasta dataset until the training perplexity converged well below 3.0.
  4. Verified the saved checkpoint structure matches the original naming convention (minus fp8 scales and the MTP layer).

Validation

perplexity = 1.05 (target <= 10)   PASS
GEN: According to all known laws of aviation, there is no way a bee should be able to fly. Its wings are too small
total params: 84,361,950

Notes

  • Requires transformers >= 5.16.0 (which registers the glm5_next model type).
  • This is a randomly-initialized, fine-tuned-on-toy-data model. It is intended solely for testing/development of tooling (quantization, serving, CI) and has no real language or vision capability.
  • Fine-tuning was text-only; the vision tower is randomly initialized.

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
8311399

0 моделей