/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
MIT
Архитектура
nemotron_h · dense
Библиотека
transformers
Опубликована
14 сен 2026

NemotronH-0.3B-A0.3B

Генерация текстаТекст → текст3 профессии

Компактная экспериментальная языковая модель NemotronH для проверки и разработки решений с гибридной архитектурой Mamba-2, attention и mixture-of-experts.

4 009скачиваний за 30 дней1лайквеса обновлены14 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

NemotronH-0.3B-A0.3B — компактная экспериментальная модель для тестирования и разработки, созданная на основе NVIDIA Nemotron 3 Ultra. Это причинная языковая модель с гибридной архитектурой nemotron_h, объединяющей блоки Mamba-2, групповой attention и mixture-of-experts. В версии 0.347 млрд параметров и пяти слоях сохранены типы блоков исходной архитектуры; около 0.309 млрд параметров активируются при обработке токена.

Модель предназначена для проверки загрузки, структуры чекпойнта и работы инструментов с архитектурой NemotronH, а также для экспериментов с генерацией текста. Веса переинициализированы, после чего модель дообучали на небольшом игрушечном наборе данных, поэтому её не следует считать уменьшенной копией с сохранёнными знаниями исходной модели. Контекст — до 262144 токенов. Модель принимает текст и генерирует текст; для ускорения могут потребоваться пакеты mamba_ssm и causal_conv1d, иначе Transformers использует более медленную эталонную реализацию. Лицензия — MIT.

Сценарии применения

  • проверка загрузки моделей NemotronH в Transformers
  • тестирование совместимости инструментов с гибридной архитектурой Mamba-2 и attention
  • эксперименты с генерацией текста на компактном чекпойнте
  • проверка структуры весов и маршрутизации экспертов

Ограничения

Модель создана для тестирования и разработки: веса переинициализированы и дообучены на небольшом игрушечном наборе данных, поэтому качество и знания исходной модели не сохраняются. Для ускоренного Mamba-инференса нужны необязательные пакеты mamba_ssm и causal_conv1d; без них работа медленнее.

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

NemotronH-0.3B-A0.3B

This is a tiny version of nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-Base-BF16 created for testing and development.

Model Details

  • Base Model: nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-Base-BF16
  • Architecture: nemotron_h (hybrid Mamba-2 / attention / mixture-of-experts)
  • Total Parameters: 0.347B
  • Activated Parameters: ~0.309B

The nemotron_h architecture is a hybrid that interleaves three block types. This tiny model preserves at least one of each so the full architecture is exercised:

  • linear_attention — Mamba-2 SSM mixer
  • full_attention — grouped-query attention mixer
  • moe — mixture-of-experts FFN (non-gated experts + shared expert + latent projection)

The layer pattern is ["linear_attention", "moe", "linear_attention", "full_attention", "moe"].

Configuration Changes

The following parameters were reduced from the original model:

ParameterOriginalTiny
num layers (layers_block_type)1085
hidden_size81921024
num_attention_heads648
num_key_value_heads22
head_dim128128
mamba_num_heads25632
mamba_head_dim6464
n_groups88
intermediate_size51201536
n_routed_experts51232
num_experts_per_tok228
moe_intermediate_size5120768
moe_shared_expert_intermediate_size102401536
moe_latent_size2048512
num_nextn_predict_layers10
vocab_size131072131072 (unchanged)

Checkpoint Structure

Single-file checkpoint (model.safetensors). The tensor layout matches the original model: the backbone. prefix is used, and routed experts are stored as individual per-expert 2D tensors (backbone.layers.N.mixer.experts.M.up_proj.weight / down_proj.weight) rather than stacked 3D parameters. All non-MTP tensor names are identical (modulo layer/expert indices) to the original checkpoint. Multi-token-prediction (mtp.*) layers are intentionally omitted (num_nextn_predict_layers = 0).

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("NemotronH-0.3B-A0.3B", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("NemotronH-0.3B-A0.3B")

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. Reduced layers_block_type, hidden/attention/mamba sizes, and MoE sizes as above.
  2. Re-initialized all weights, then fine-tuned on a small toy dataset until the perplexity target was reached (validates the model can learn).
  3. Verified the saved checkpoint structure matches the original (excluding MTP layers).

Validation

Success: 1.0079255104064941 <= 10.0

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

Notes

  • The Mamba mixer intermediate size is mamba_num_heads * mamba_head_dim (= 2048), and n_groups must divide it.
  • use_mamba_kernels=True; if the optional mamba_ssm / causal_conv1d packages are not installed, transformers falls back to a correct (slower) reference implementation.
  • Because the large 131072-token vocabulary embedding dominates the parameter budget, total and activated parameter counts are both ~0.3B despite the MoE routing.

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
5c01f5e

0 моделей