/ Модель

Характеристики

Лицензия
MIT
Архитектура
kimi_k3 · dense
Базовая модель
Kimi-K3
Библиотека
transformers
Опубликована
28 июл 2026

Kimi-K3-0.40B

Генерация текстаТекст → текст3 профессии

Уменьшенная экспериментальная версия Kimi-K3 для тестирования и разработки моделей генерации текста.

869скачиваний за 30 дней83лайкавеса обновлены28 июл 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

Kimi-K3-0.40B — уменьшенная версия Kimi-K3 от Moonshot AI, подготовленная для тестирования и разработки. Модель содержит около 0,40 млрд параметров, из которых примерно 0,06 млрд активируются на токен; архитектура KimiK3ForConditionalGeneration сочетает линейное внимание KDA и полное многомерное внимание MLA, использует разреженную MoE-структуру в большинстве слоёв и включает уменьшенную башню обработки изображений.

Число слоёв и размер скрытых представлений сокращены относительно исходной модели, а веса инициализированы заново и дополнительно дообучены на небольшом наборе повторяющихся текстов. Модель предназначена прежде всего для проверки и разработки, а не для надёжного применения: качество ограничено малым размером и игрушечными данными, а башня обработки изображений не обучена для визуальных задач. Для загрузки требуется пользовательский код llmcompressor.modeling.kimi_k3; стандартный AutoModelForCausalLM без него не подходит. Лицензия — MIT.

Сценарии применения

  • проверка загрузки архитектуры Kimi-K3
  • тестирование конвейера генерации текста
  • разработка кода для модели Kimi-K3
  • эксперименты с малой MoE-моделью

Ограничения

Модель обучена на игрушечном наборе повторяющихся текстов, поэтому её качество и пригодность для практических задач ограничены. Для загрузки требуется пользовательский модуль llmcompressor.modeling.kimi_k3, а башня обработки изображений не обучена для визуальных задач.

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

Kimi-K3-0.40B

This is a tiny version of moonshotai/Kimi-K3 created for testing and development.

Model Details

  • Base Model: moonshotai/Kimi-K3
  • Architecture: kimi_linear (KimiK3ForConditionalGeneration)
  • Total Parameters: 0.40B
  • Activated Parameters: ~0.06B (2 of 8 experts active per token)

Configuration Changes

The following parameters were reduced from the original model:

ParameterOriginalTiny
num_hidden_layers938
hidden_size71681024
intermediate_size337922048
moe_intermediate_size3072256
num_attention_heads968
num_key_value_heads968
q_lora_rank1536256
kv_lora_rank512128
qk_nope_head_dim12864
qk_rope_head_dim6432
v_head_dim12864
num_experts8968
num_shared_experts21
num_experts_per_token162
routed_expert_hidden_size3584512
attn_res_block_size124
linear_attn head_dim7432
linear_attn num_heads968
vt_num_hidden_layers272
vt_hidden_size1024256

Architecture Preserved

  • Mixed attention: KDA (linear/delta attention) on layers 0–2, 4–6 and MLA (full multi-latent attention) on layers 3, 7 — same 3:1 KDA:MLA ratio as the original
  • Attention + MLP residuals: attn_res_block_size=4 enabled on all layers
  • MoE: layers 1–7 use sparse MoE with latent expert projection; layer 0 is dense MLP
  • Vision tower: included but reduced

Checkpoint Structure

Single-shard checkpoint (model.safetensors). Key prefix: language_model.model.layers.{i}.*, matching the original sharded checkpoint structure.

Usage

import sys
sys.path.insert(0, "/path/to/llm-compressor/src")

from transformers import AutoTokenizer
from llmcompressor.modeling.kimi_k3 import KimiK3ForConditionalGeneration

model = KimiK3ForConditionalGeneration.from_pretrained(
    "inference-optimization/Kimi-K3-0.40B", device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(
    "inference-optimization/Kimi-K3-0.40B", trust_remote_code=True
)

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

Validation Output

Total parameters: 0.396B
Number of layers: 8
Layer 0 attn type: KimiDeltaAttention (KDA/linear)
Layer 3 attn type: KimiMLAAttention (MLA/full)
Layer 7 attn type: KimiMLAAttention (MLA/full)
Layer 0 has MLP: True
Layer 1 has MoE: True
Attention residuals enabled: True
Attn res block size: 4

Forward pass loss: 0.0013
Generated: The FitnessGram Pacer Test is a multistage aerobic capacity test that progressively gets more difficult as it continues. The 20 meter pacer test will begin in 30 seconds

Creation Process

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

  1. Inspected the original moonshotai/Kimi-K3 config to identify key architecture parameters
  2. Reduced layer count, hidden dimensions, and expert counts to target ~0.4B total parameters
  3. Preserved the 3:1 KDA:MLA attention pattern and attention/MLP residual connections
  4. Initialized all weights from scratch (normal distribution, std=0.02; norms → 1.0; biases → 0.0)
  5. Fine-tuned on a toy copypasta dataset until perplexity < 3.0 (achieved in ~57 epochs)

Notes

  • The model uses custom modeling code from llmcompressor.modeling.kimi_k3 — it cannot be loaded with AutoModelForCausalLM without that module on the path
  • KimiK3ForConditionalGeneration does not inherit from GenerationMixin; use model.language_model.generate(...) for text generation
  • The vision tower is present but untrained for vision tasks

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
KimiK3ForConditionalGeneration
Ревизия весов
d853649

0 моделей