/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
307 млн
Лицензия
MIT
Архитектура
modernbert · dense
Базовая модель
mmBERT-base
Библиотека
transformers
Опубликована
24 янв 2026

mmbert-32k-yarn

Заполнение пропусковТекст → текст10 профессий

Многоязычный энкодер ModernBERT с контекстом до 32 768 токенов для заполнения масок, классификации запросов и анализа длинных документов.

2 512скачиваний за 30 дней11лайковвеса обновлены1 фев 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

mmBERT-32K-YaRN — многоязычная модель семейства ModernBERT, разработанная для Semantic Router и семейства Mixture-of-Models проекта vLLM. Она расширяет jhu-clsp/mmBERT-base с 8 192 до 32 768 токенов контекста с помощью масштабирования RoPE методом YaRN. Модель содержит около 307 млн параметров и использует архитектуру ModernBERT с Flash Attention 2; доступны веса Safetensors и экспорт ONNX.

Модель предназначена для понимания длинных документов, классификации запросов для семантической маршрутизации, классификации документов, поиска информации и других многоязычных NLP-задач с длинным контекстом. В README заявлена поддержка более 1 800 языков; метаданные перечисляют английский, немецкий, французский, испанский, китайский, японский, русский, арабский, корейский и португальский. Обучение продолжения на CC-100 описано как работа с последовательностями длиной 32 768 токенов.

Для длинных фрагментов точность извлечения снижается при расстоянии свыше 2 048 токенов. Обучающие данные собраны из веб-страниц и могут содержать связанные с ними смещения; для обработки полного контекста 32K README указывает потребность примерно в 180 ГБ GPU-памяти при batch size 1. Лицензия — MIT.

Сценарии применения

  • классификация запросов для семантической маршрутизации LLM
  • классификация длинных документов
  • поиск информации в длинных текстах
  • заполнение пропущенных токенов в многоязычном тексте
  • извлечение признаков из длинных многоязычных документов

Ограничения

Точность извлечения информации заметно снижается при расстоянии свыше 2 048 токенов, несмотря на контекст до 32 768 токенов. Для обработки полного контекста README указывает потребность примерно в 180 ГБ GPU-памяти при batch size 1; данные CC-100 могут наследовать смещения веб-корпуса.

Для каких профессий подходит10

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

mmBERT-32K-YaRN

Modern Multilingual BERT with 32K context length - Extended from 8K to 32K tokens using YaRN RoPE scaling.

This model extends jhu-clsp/mmBERT-base (Modern Multilingual BERT supporting 1800+ languages) from 8,192 to 32,768 maximum context length using YaRN (Yet another RoPE extensioN) scaling method.

Model Description

PropertyValue
Base Modeljhu-clsp/mmBERT-base
ArchitectureModernBERT (RoPE + Flash Attention 2)
Parameters307M
Max Context32,768 tokens (extended from 8,192)
Languages1800+ languages
Vocab Size256,000 (Gemma 2 tokenizer)
Scaling MethodYaRN RoPE (4x extension)

Intended Use

This model is designed for:

  • Long-document understanding in any of 1800+ languages
  • Semantic routing for LLM request classification
  • Document classification with extended context
  • Information retrieval from long texts
  • Multilingual NLP tasks requiring long context

Part of the vLLM Semantic Router Mixture-of-Models (MoM) family.

Evaluation Results

Distance-Based Retrieval (Key Metric for Long-Context)

Distance (tokens)Top-1 AccuracyTop-5 Accuracy
64100%100%
128100%100%
256100%100%
512100%100%
1024100%100%
2048100%100%
40960%0%
81920%0%

Summary: Perfect retrieval up to 2048 tokens. Long-range capability improved from baseline ~33% to 50% (averaged across all distances ≥1024).

Multilingual MLM Accuracy

LanguageCorrect
English (en)✅
German (de)✅
French (fr)✅
Spanish (es)✅
Chinese (zh)✅
Japanese (ja)✅
Russian (ru)✅
Arabic (ar)✅
Korean (ko)✅
Portuguese (pt)✅

Overall: 100% (10/10 languages tested)

Perplexity by Context Length

Context LengthLossPerplexity
5120.01101.01
10240.00821.01
20480.00651.01
40960.00361.00
81920.00141.00
163840.00141.00
245760.00141.00
327680.00031.00

Position-wise Accuracy (16K context)

Position RangeAccuracy
0-2048100%
2048-4096100%
4096-6144100%
6144-8192100%
8192-10240100%
10240-12288100%
12288-14336100%
14336-16384100%

Training Details

Training Configuration

base_model: jhu-clsp/mmBERT-base
rope_scaling_type: yarn
original_max_position_embeddings: 8192
target_max_position_embeddings: 32768
scaling_factor: 4.0
yarn_beta_fast: 32.0
yarn_beta_slow: 1.0

# Training hyperparameters
learning_rate: 1e-5
batch_size: 1 (effective: 16 with gradient accumulation)
gradient_accumulation_steps: 16
num_epochs: 1
warmup_steps: 100
lr_scheduler: constant_with_warmup
mlm_probability: 0.3
bf16: true

Training Data

  • Dataset: CC-100 (Common Crawl) multilingual corpus
  • Samples: 30,774 sequences
  • Sequence Length: 32,768 tokens each
  • Total Tokens: ~1B tokens

Hardware

  • GPU: AMD Instinct MI300X (192GB VRAM)
  • Training Time: ~6.5 hours
  • Framework: PyTorch 2.3 + ROCm 6.2

Usage

Basic Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer

model = AutoModelForMaskedLM.from_pretrained("llm-semantic-router/mmbert-32k-yarn")
tokenizer = AutoTokenizer.from_pretrained("llm-semantic-router/mmbert-32k-yarn")

# Multilingual MLM example
text = "The capital of France is <mask>."
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

mask_idx = (inputs["input_ids"] == tokenizer.mask_token_id).nonzero()[0, 1]
logits = outputs.logits[0, mask_idx]
top5 = tokenizer.decode(logits.topk(5).indices)
print(top5)  # ['Paris', 'Strasbourg', 'Nice', 'Brussels', 'Lyon']

Long Context Usage (32K tokens)

# Process long documents (up to 32K tokens)
long_document = "..." * 30000  # Your long text in any of 1800+ languages
inputs = tokenizer(
    long_document, 
    return_tensors="pt", 
    max_length=32768, 
    truncation=True
)
outputs = model(**inputs)

Feature Extraction

import torch

# Get embeddings for downstream tasks
with torch.no_grad():
    outputs = model(**inputs, output_hidden_states=True)
    # Use last hidden state or pooled output
    embeddings = outputs.hidden_states[-1].mean(dim=1)  # Mean pooling

ONNX Runtime Usage

An ONNX export is available for high-performance inference with ONNX Runtime.

Python

import onnxruntime as ort
from transformers import AutoTokenizer
import numpy as np

# Load tokenizer and ONNX model
tokenizer = AutoTokenizer.from_pretrained("llm-semantic-router/mmbert-32k-yarn")
sess = ort.InferenceSession(
    "onnx/model.onnx",  # or download from HF
    providers=['ROCmExecutionProvider', 'CUDAExecutionProvider', 'CPUExecutionProvider']
)

# Inference
text = "What is the weather like today?"
inputs = tokenizer(text, return_tensors="np", padding=True)
outputs = sess.run(None, {
    'input_ids': inputs['input_ids'].astype(np.int64),
    'attention_mask': inputs['attention_mask'].astype(np.int64)
})
embeddings = outputs[0].mean(axis=1)  # Mean pooling

Rust (ort-binding)

use onnx_semantic_router::MmBertEmbeddingModel;

let model = MmBertEmbeddingModel::load("./mmbert-32k-yarn-onnx", false)?;
let embeddings = model.embed("What is the weather?")?;

Latency Benchmarks (AMD MI300X)

BackendSingle TextBatch(4)/text
CPU10.1ms6.8ms
ROCm GPU4.7ms1.2ms

Limitations

  • Long-range retrieval: While the model handles 32K context, retrieval accuracy drops significantly beyond 2048 tokens distance
  • Training data: Trained on CC-100 which may have biases from web crawl data
  • Compute requirements: Full 32K context requires significant GPU memory (~180GB for batch size 1)

Citation

@misc{mmbert-32k-yarn,
  title={mmBERT-32K-YaRN: Extended Context Modern Multilingual BERT},
  author={vLLM Semantic Router Team},
  year={2026},
  publisher={Hugging Face},
  url={https://huggingface.co/llm-semantic-router/mmbert-32k-yarn}
}

References

License

MIT License (same as mmBERT base model)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForMaskedLM
Ревизия весов
72a23a6

0 моделей