Производная от Qwen/Qwen3.8-27B модель для генерации текста и экспериментов со сжатием контекста и механизмами памяти.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
mocoV3/Qwen3.8-27B-REMORY-1.9B — производная модель на основе Qwen/Qwen3.8-27B, разработанная для генерации текста. Метаданные связывают её с архитектурой SummaryResidualCompressor и темами сжатия контекста, остаточной и мягкой памяти, а также длинного контекста.
Модель представлена в формате safetensors и распространяется по лицензии MIT. Карточка содержит лишь ссылки на arXiv и GitHub, поэтому подробности о размере, длине контекста, языках и качестве работы не подтверждены. Она может быть полезна для экспериментов с генерацией текста и механизмами памяти для длинного контекста.
README не содержит технического описания, результатов оценки или инструкций по применению, поэтому характеристики памяти и качество модели по карточке подтвердить нельзя.
README от автора на Hugging Face, как он его опубликовал
@misc{xia2026remory,
title = {Remory: Learning Residual Memory for Context Compaction},
author = {Hanchen Xia and Baoyou Chen and Yutang Ge and Naihao Deng and
Senqiao Yang and Zilong Dong and Weihao Yuan and Siyu Zhu},
year = {2026},
eprint = {2610.11287},
archivePrefix = {arXiv},
primaryClass = {cs.CL},
url = {https://arxiv.org/abs/2610.11287}
}
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · pytorch
Архитектура SummaryResidualCompressor неизвестна transformers в образе рантайма.