/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
392 млн
Лицензия
Apache 2.0
Архитектура
tiny_gdn · dense
Базовая модель
Tercet-R-1.0
Библиотека
tiny_gdn
Опубликована
5 сен 2026

Tercet-R-1.1

Генерация текстаТекст → текст5 профессий

Tercet-R-1.1 — компактная англоязычная чат-модель для следования инструкциям, рассуждений и вызова инструментов.

153скачиваний за 30 дней2лайкавеса обновлены5 сен 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

Tercet-R-1.1 — англоязычная диалоговая модель для рассуждений, следования инструкциям и вызова инструментов, разработанная автором репозитория kerzgrr. Это дообученный снимок семейства Tercet-R на этапе многошагового SFT; метаданные указывают 392,2 млн параметров, а README описывает архитектуру TinyGDN с примерно 502 млн параметров. Модель сочетает GDN-2 и групповое внимание GQA, имеет 32 слоя и заявленный контекст 32 768 токенов.

Модель предназначена для чата, ответов на инструкции и сценариев с инструментами, включая поиск в интернете, вычисления и выполнение ограниченного Python-кода через обвязку inference.py. Вызовы инструментов передаются в формате SmolTalk JSON. Веса опубликованы в safetensors и bfloat16; для запуска README указывает зависимость flash-linear-attention и скрипт inference.py.

Это промежуточный снимок продолжающегося этапа обучения, поэтому качество и поведение могут отличаться от завершённой версии. Модель небольшого размера и не является системой передового уровня; Python-интерпретатор ограничен математически ориентированными импортами. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на инструкции в диалоге
  • многошаговое рассуждение перед ответом
  • генерация структурированных вызовов веб-поиска
  • вычисление числовых выражений через инструмент-калькулятор
  • выполнение ограниченных математических вычислений через Python-инструмент

Ограничения

Это промежуточный снимок незавершённого этапа обучения; модель небольшая и не сопоставима с передовыми крупными системами. Для запуска требуется flash-linear-attention, а встроенный Python-инструмент ограничен математически ориентированными импортами.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Tercet-R-1.1

Reasoning + tool-call chat model (~502M) — latest Tercet-R snapshot

Model Stage License Demo

A ~502M hybrid GDN-2 + GQA model, continued on multi-turn tools and instruction following


What this is

Tercet-R-1.1 is the latest public reasoning / tool-use checkpoint in the Tercet-R line.

This upload is the latest complete stage-3 SFT checkpoint (optimizer step 5,300). The stage-3 run is still in progress toward a much longer schedule; 1.1 is the snapshot that existed when this repo was published.

Initialization was the instruct-run EMA at step 5,000 (tercet-r-instruct), not the public 1.0 file (that release packaged instruct step 4,500). The chat contract is unchanged.


Chat contract

Thinking

Each assistant turn is prefixed with a zero-loss control token:

ModePrefixTypical body
think<|think|>\n<think>…</think> then the answer
no-think<|no_think|>\nanswer only

inference.py streams the <think> region live (dim yellow) and hides the control tokens.

Tool calls (SmolTalk JSON)

<tool_call>
{"name": "web-search", "arguments": {"query": "…"}}
</tool_call>

Stage-3 also saw stateful_python_code_exec leftovers from earlier Cascade-2 SFT. inference.py auto-runs:

Built-inTool nameObservation
--tools web-searchweb-searchTavily-shaped JSON (Tavily if TAVILY_API_KEY is set, else DuckDuckGo + Wikipedia)
--tools pythonstateful_python_code_execJupyter-style stdout / last value from a restricted interpreter
--tools calculatorcalculatorNumeric result of a math expression

Tool results

Each observation is a tool (or user) turn prefixed with:

<|tool_response|>
{observation}

Install & run

pip install torch safetensors tokenizers huggingface_hub
hf download kerzgrr/Tercet-R-1.1 inference.py --local-dir .
python inference.py
python inference.py --prompt "What is the capital of France?"
python inference.py --tools web-search,python,calculator
python inference.py --no-think --prompt "Reply in one sentence."

inference.py auto-downloads weights / tokenizer / tiny_gdn/ and auto-installs pinned flash-linear-attention. Git is required on PATH.

FlagDefaultDescription
--prompt—One-shot user message
--system—System prompt, used verbatim
--think / --no-thinkthinkAssistant control prefix
--tools—Built-ins: web-search, python, calculator (comma-separated)
--temperature0.7Sampling temperature
--max-new-tokens4096Max generation length
--devicecuda if availablecuda / cpu

Interactive commands: /think /no_think /system … /reset /exit.


Model architecture

Same TinyGDN hybrid as Tercet-base (501,635,264 parameters):

Layers32 (GDN-2 ×3 + GQA every 4th)
Hidden1,024
MLPSwiGLU 2,624
Attention8 Q / 2 KV, head dim 128, partial RoPE
LinearGated DeltaNet-2, 8 heads × 128
Vocab49,152 BPE
Context16,384

Training

StageDetails
BaseHuggingFaceFW/fineweb-edu → Tercet-base
Mid + instruct SFTHuggingFaceTB/smoltalk2 Mid / SFT → instruct EMA @ step 5,000
Stage-3 SFTMulti-turn mix: Nemotron PTD v1, Agentic v1/v2 (including web-search), IF-Chat v1/v2, Cascade-2 instruction following, Toucan 1.5M, Hermes-3, Hermes reasoning tool-use, WildChat-4.8M. Seq 16,384, AdamW 3×10⁻⁵, 27.5 hours so far, 602M training tokens
Checkpointoptimizer step 5,300 (latest complete stage-3 snapshot)
WeightsEMA (this repo's model.safetensors)
Val loss (EMA)2.027 (ppl 7.59) on the stage-3 holdout — a harder mix than the instruct-only 1.0 val set

Stage-3 does not re-include Cascade-2 math/math_tool.jsonl. The restricted Python tool in inference.py is there so leftover stateful_python_code_exec calls still compute instead of failing open.


Limitations

  • In-progress run: this is a mid-stage-3 snapshot, not a finished 1.1 train
  • Scale: ~502M is a research / edge model, not a frontier system
  • Requires flash-linear-attention; not GGUF / llama.cpp compatible today
  • The Python tool is a restricted interpreter (math-oriented imports only)

Model family

ModelStageHub
Tercet-basePretrainkerzgrr/Tercet-base
TercetSFT chatkerzgrr/Tercet
Tercet-R-1.0SFT reasoning + toolskerzgrr/Tercet-R-1.0
Tercet-R-1.1Stage-3 SFT (latest)this repo
DemoZeroGPU Spacekerzgrr/tercet-r-1.1-demo

Citation

@misc{tercetr11,
  title={Tercet-R-1.1: A 502M Hybrid GDN-2 + GQA Reasoning Model},
  author={kerzgrr},
  year={2026},
  url={https://huggingface.co/kerzgrr/Tercet-R-1.1}
}

R is for reasoning.

Как запустить

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

GPU в ailist

Универсальный рантайм · tiny_gdn

Нельзя запустить

Архитектура tiny_gdn неизвестна transformers в образе рантайма.

Класс архитектуры
TinyGDNForCausalLM
Ревизия весов
90e4c64

0 моделей