/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,4 млрд
Размер весов
8,4 ГБ
Лицензия
Apache 2.0
Архитектура
gpt_oss · dense
Базовая модель
gpt-oss-20b
Библиотека
transformers
Опубликована
31 авг 2026

GPT-OSS-20B-Dense-4B-ACP-K4

Генерация текстаТекст → текст3 профессии

Плотная текстовая модель, полученная прореживанием и дистилляцией GPT-OSS-20B для воспроизведения исследовательских экспериментов.

91скачиваний за 30 дней0лайковвеса 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

GPT-OSS-20B-Dense-4B-ACP-K4 — плотная языковая модель, созданная путём прореживания и дистилляции MoE-модели openai/gpt-oss-20b в рамках исследовательской работы о преобразовании MoE в компактные плотные модели. Чекпойнт содержит около 3,4 млрд параметров по метаданным; в README для конфигурации указано 4,19 млрд параметров. Модель работает с текстом, поддерживает контекст до 131 072 токенов и распространяется в формате Safetensors через Transformers.

Модель предназначена для воспроизведения экспериментов и сравнения методов оценки и группировки экспертов при фиксированном бюджете дистилляции, а не для использования в качестве готового помощника. Она обучалась на 0,3 млрд токенов FineWeb-Edu без дообучения на инструкции и без выравнивания; авторы предупреждают, что её качество заметно ниже качества учителя и предварительно обученных моделей сопоставимого размера. Лицензия — Apache-2.0.

Сценарии применения

  • воспроизведение экспериментов по сжатию MoE-моделей
  • сравнение методов оценки и группировки экспертов
  • оценка качества дистилляции на языковых бенчмарках

Ограничения

Это исследовательский чекпойнт с ограниченным бюджетом дистилляции; качество существенно ниже, чем у модели-учителя и предварительно обученных моделей того же размера. Модель не проходила instruction tuning или выравнивание и не предназначена для использования как готовый помощник.

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

GPT-OSS-20B-Dense-4B-ACP-K4

Research artifact, not a general-purpose model. These weights are released so that the experiments in the paper Pruning and Distilling Mixture-of-Experts into Dense Language Models can be reproduced. Each student is distilled on a fixed, small token budget (~4B tokens for Qwen3, 0.3B tokens for DeepSeek-V2-Lite and GPT-OSS) purely so that expert scoring and grouping methods can be compared under an equal budget. Absolute quality is therefore far below the teacher and below pretrained models of the same size, and no instruction tuning or alignment was applied. Please do not use this as an off-the-shelf assistant.

What this is

A dense student obtained by pruning and distilling a Mixture-of-Experts teacher, from the paper Pruning and Distilling Mixture-of-Experts into Dense Language Models. Code: https://github.com/krafton-ai/moe-to-dense

Results

Full comparison group for this architecture, GPT-OSS-20B to dense, 0.3B-token distillation (paper Table 18). This model's row is in bold, and rows whose weights are also released link to them.

ConfigurationWinoHellaARC-EARC-CMMLUAvg
SF, K=451.629.434.022.423.332.15
SF, K=851.629.333.321.722.831.72
CP, K=450.930.436.423.023.632.86
CP, K=849.729.332.223.223.131.49
ACP, K=453.031.935.623.023.333.36
ACP, K=853.130.533.623.323.732.82
DO-ACP, K=453.032.136.723.223.733.71
DO-ACP, K=851.329.933.522.523.332.11
Random FFN + teacher attn50.227.528.523.023.230.46
Random initialization50.026.025.825.323.030.02
Teacher (GPT-OSS-20B)59.339.980.953.749.656.67

Downstream accuracy is Winogrande 5-shot, HellaSwag 10-shot, ARC-Easy 25-shot, ARC-Challenge 25-shot and MMLU 5-shot. Avg is the unweighted mean of the five benchmarks. The teacher is a post-trained reasoning model evaluated in completion mode for consistency with the students, which understates its native-format capability (MMLU 49% in completion mode versus 72% with the chat template).

Configuration

FieldValue
Teacheropenai/gpt-oss-20b
Student parameters4.19B
Distillation dataFineWeb-Edu (sample-10BT), 0.3B tokens
Expert scoringACP
Experts kept (K)4
Groupingpure pruning (K equals the teacher's top-k, one expert per group)
Down-projection scalingproportional

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("jhyuckkim/GPT-OSS-20B-Dense-4B-ACP-K4", dtype="bfloat16")
tok = AutoTokenizer.from_pretrained("jhyuckkim/GPT-OSS-20B-Dense-4B-ACP-K4")

The student is a GptOssForCausalLM with num_local_experts=1, so GPT-OSS's gated activation, per-layer biases, sliding-window attention and YaRN RoPE are preserved. Load it with that architecture class rather than a generic dense one.

Citation

@article{kim2026pruning,
  title={Pruning and Distilling Mixture-of-Experts into Dense Language Models},
  author={Kim, Junhyuck and Yun, Jihun and Kim, Haechan and Kim, Gyeongman and Bae, Joonghyun and Cho, Jaewoong},
  journal={arXiv preprint arXiv:2605.28207},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GptOssForCausalLM
Ревизия весов
f4311af

0 моделей