/ Модель

Характеристики

Контекст
4 096 токенов
Размер весов
4,8 ГБ
Лицензия
MIT
Архитектура
nemotron_h · dense
Библиотека
transformers
Опубликована
31 авг 2026

Nemotron-3.5-Lightning-1.4B-A0.1B-MTP

Генерация текстаТекст → текст3 профессии

Тестовый уменьшенный чекпойнт Nemotron-H для разработки и проверки конвейеров квантизации MTP, не предназначенный для инференса.

209скачиваний за 30 дней1лайквеса 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 «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

Это уменьшенная тестовая модель семейства Nemotron-3.5-Lightning, созданная NVIDIA-производной проекта inference-optimization на основе nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4. Она предназначена для тестирования и разработки конвейеров квантизации MTP в llm-compressor, а не для обычного вывода. Архитектура Nemotron-H сочетает Mamba и MoE; в чекпойнте 1,4 млрд параметров, включая 0,4 млрд параметров MTP, а на токен активируется около 0,1 млрд. Весы представлены в bfloat16 и хранятся в safetensors; стандартный загрузчик Hugging Face игнорирует тензоры MTP.

Модель генерирует текст и поддерживает диалоговый сценарий. Чекпойнт сокращён по сравнению с базовой моделью и содержит синтетические случайные веса, дообученные на игрушечном наборе копипасты, поэтому качество генерации не предназначено для практических задач. Контекст составляет 4096 токенов. Лицензия — MIT.

Сценарии применения

  • проверка загрузки и структуры чекпойнта с тензорами MTP
  • тестирование конвейеров квантизации MTP в llm-compressor
  • отладка поддержки архитектуры Nemotron-H в инструментах обработки моделей

Ограничения

Модель не предназначена для инференса: её синтетические веса обучены на игрушечном наборе, поэтому практическое качество генерации не гарантируется. Стандартный загрузчик Hugging Face игнорирует MTP-тензоры, которые необходимо загружать отдельно для тестов квантизации.

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

Nemotron-3.5-Lightning-1.4B-A0.1B-MTP

This is a tiny version of nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4 created for testing and development. MTP (Multi-Token Prediction) tensors are included in the checkpoint for testing MTP quantization pipelines.

Model Details

  • Base Model: nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4
  • Architecture: nemotron_h (hybrid Mamba + MoE)
  • Total Parameters: 1.4B (main: 1.0B + MTP layers: 0.4B)
  • Activated Parameters: ~0.1B (MoE with 2/16 active experts per token)
  • Weight dtype: bfloat16 (unquantized float; base model is NVFP4)

Configuration Changes

ParameterOriginalTiny
num_hidden_layers5212
hidden_size26882048
n_routed_experts12816
num_attention_heads3216
mamba_num_heads6432
intermediate_size18561024
moe_intermediate_size18561024
moe_shared_expert_intermediate_size37122048
vocab_size131072131072 (unchanged)
num_nextn_predict_layers11 (unchanged)
mtp_layers_block_type["full_attention", "moe"]["full_attention", "moe"] (unchanged)

MTP Layer Details

The checkpoint includes 69 MTP tensors (~405M params) in a separate shard model_mtp.safetensors. These are registered in model.safetensors.index.json under the mtp.* prefix. The MTP block mirrors the base model's mtp_layers_block_type: ["full_attention", "moe"] with 16 routed experts.

Note: The HuggingFace NemotronHForCausalLM class silently ignores mtp.* keys at load time (_keys_to_ignore_on_load_unexpected = [r"mtp.*"]), so MTP tensors must be loaded separately for quantization testing.

Checkpoint Structure

The checkpoint is sharded into two files:

  • model.safetensors — main model weights (247 tensors, ~4.4GB)
  • model_mtp.safetensors — MTP layer weights (69 tensors, ~0.4GB)
  • model.safetensors.index.json — unified weight map covering both shards

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

# Main model loads without MTP (HF class ignores mtp.* keys)
model = AutoModelForCausalLM.from_pretrained("inference-optimization/Nemotron-3.5-Lightning-1.4B-A0.1B-MTP")
tokenizer = AutoTokenizer.from_pretrained("inference-optimization/Nemotron-3.5-Lightning-1.4B-A0.1B-MTP")

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]))

Validation Output

Loading weights: 100%|██████████| 97/97
Success: 1.0000896453857422 <= 10.0

Generating sample text:
According to all known laws of aviation, there is no way a bee should be able to fly.

Notes

  • This model is NOT intended for inference. It is a synthetic tiny model for testing MTP quantization pipelines in llm-compressor.
  • Weights are random bfloat16 floats, fine-tuned on a toy copypasta dataset to verify the training loop works.
  • The base model is NVFP4 quantized; this tiny model uses full float weights.
  • MTP tensors are present in the checkpoint but ignored by the standard HF loader — this is intentional, matching the behavior of the full-size model.

Creation Process

Created using the llm-compressor create-tiny-model Claude skill. The architecture was validated by instantiating on meta device, fine-tuned on a toy dataset to perplexity ~1.0, and MTP tensors were added as synthetic random bfloat16 weights matching the mtp_layers_block_type configuration.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
NemotronHForCausalLM
Ревизия весов
8108a71

0 моделей