/ Модель

Характеристики

Опубликована
28 июн 2026

rigel-mid

Генерация текстаТекст → текст3 профессии

Базовая гибридная языковая модель Mamba-2 и внимания для генерации текста и дальнейшей адаптации.

238скачиваний за 30 дней2лайкавеса обновлены22 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

Rigel Mid — базовая языковая модель, разработанная Open LM Engine и обученная с помощью LM Engine. Это гибридная архитектура Mamba-2 и механизма внимания с mixture-of-experts: всего 2,3 млрд параметров, из которых активно 360 млн. В модели 40 слоёв: 30 слоёв Mamba-2 и 10 слоёв grouped-query attention; внимание использует 16 голов, 4 KV-головы и скользящее окно 4096 токенов. Репозиторий содержит расширение контекста до 294 912 токенов; указана базовая модель open-lm-engine/rigel-base-long.

Модель предназначена для генерации текста и служит базой для дальнейшей адаптации. Она не настроена для следования инструкциям и не имеет шаблона чата, поэтому для диалогового применения потребуется дополнительная настройка. В README сообщается, что при существенно меньших вычислительных затратах при предобучении Rigel показала результаты в пределах нескольких пунктов от Granite-4.2-3B и Llama-3.2-3B на усреднённых zero-shot оценках. Доступные веса представлены в формате Safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • генерация продолжений текста
  • создание базовой модели для дообучения под инструкции
  • эксперименты с гибридными архитектурами Mamba-2 и внимания

Ограничения

Модель не настроена для следования инструкциям и не имеет шаблона чата. Лицензия в предоставленных данных не указана.

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

Rigel is a 2.3B-total, 360M-active-parameter hybrid Mamba-2 + attention mixture-of-experts base model, trained with LM Engine. It used about 117× fewer pretraining FLOPs than Llama-3.2-1B/3B and 53× fewer than Granite-4.2-3B, while landing within a few points of Granite-4.2-3B and Llama-3.2-3B on zero-shot averages and above Llama-3.2-1B.

Read the full write-up, including architecture, data curriculum, the multi-chip training infrastructure, and evaluations: Rigel Base: Reaching Llama-3.2 Quality with <1% of its Compute.

This repo is the 294,912-token long-context extension, see open-lm-engine/rigel-base-long.

Model summary

Total / active parameters2.3B / 360M (260M active non-embedding)
Layers40 (30 Mamba-2, 10 grouped-query attention)
AttentionGQA (16 heads, 4 KV heads), 4,096-token sliding window, exclusive self attention (XSA), no positional embeddings
Feed-forwardFine-grained MoE: 128 SwiGLU experts, intermediate size 128, top-2 routing
Hidden size1,024
Vocabulary100,352 tokens, tied input/output embeddings
Pretraining context4,096 tokens

This is a base model: it has no chat template and is not instruction-tuned.

Usage with LM Engine

Rigel's architecture lives in LM Engine. Installing it and importing lm_engine.training registers the architecture with transformers' Auto classes, after which the usual Hugging Face API works.

git clone https://github.com/open-lm-engine/lm-engine.git && cd lm-engine && uv sync --extra cuda
import torch
import lm_engine.training  # registers Rigel's architecture with transformers' Auto classes
from lm_engine.training.kernels import Kernel, enable_kernels
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "open-lm-engine/rigel-mid"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype=torch.bfloat16, device_map={"": "cuda"}).eval()

inputs = tokenizer("Rigel is a blue supergiant star in the constellation", return_tensors="pt").to("cuda")
with torch.no_grad(), enable_kernels([Kernel.mamba2_ssm, Kernel.causal_conv1d, Kernel.sonicmoe, Kernel.flash_attention_3]):
    output_ids = model.generate(**inputs, max_new_tokens=64, do_sample=False)

print(tokenizer.decode(output_ids[0], skip_special_tokens=True))

Any kernel left out of the list falls back to a pure-PyTorch implementation, so the snippet also runs with an empty list, just slower.

To finetune or continue pretraining, point an LM Engine training config at this checkpoint; see the LM Engine README.

Citation

@misc{mishra2026rigel,
  title  = {Rigel Base: Reaching Llama-3.2 Quality with <1% of its Compute},
  author = {Mishra, Mayank and Runwal, Bharat and Stoica, Ion and Dao, Tri and Gonzalez, Joseph E.},
  year   = {2026},
  url    = {https://open-lm-engine.github.io/blog/rigel/}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура gpt_base неизвестна transformers в образе рантайма.

Ревизия весов
bed1d6c

0 моделей