/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
21 янв 2026

NOSA-1B

Генерация текстаТекст → текст5 профессий

NOSA-1B — модель LLaMA с разреженным вниманием для генерации текста и диалогов с эффективной обработкой длинных генераций и выгрузкой KV-кэша.

197скачиваний за 30 дней6лайковвеса обновлены31 янв 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

NOSA-1B — языковая модель семейства LLaMA, разработанная OpenBMB с механизмом разреженного внимания NOSA (Native and Offloadable Sparse Attention). Она предназначена для генерации текста и диалогов с эффективной обработкой длинных контекстов и генераций при выгрузке KV-кэша. В README для линейки NOSA заявлено ускорение декодирования до 5,04 раза относительно FullAttn; показатель относится к тестам линейки на моделях 1B, 3B и 8B, а не отдельно к NOSA-1B.

Модель содержит 1,5 млрд параметров, использует плотную архитектуру на базе LLaMA с классом SparseLlamaForCausalLM и доступна в формате PyTorch. Естественные языки, указанные в метаданных, — английский и китайский; нативная длина контекста — 4096 токенов. Для использования механизма оптимизации выгрузки KV-кэша предусмотрена система инференса NOSI.

Лицензия — Apache-2.0. Заявленные в README ускорения зависят от условий тестирования; карточка не приводит подробных результатов именно для версии 1B и не описывает ограничения качества или требования к аппаратному обеспечению.

Сценарии применения

  • диалоговое общение на английском языке
  • диалоговое общение на китайском языке
  • генерация текста с выгрузкой KV-кэша
  • инференс языковой модели при длинной генерации

Ограничения

Ускорение декодирования заявлено для линейки моделей NOSA в сравнении с конкретными базовыми системами; отдельные результаты для NOSA-1B и условия тестирования в карточке не приведены.

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

Boost Decoding Efficiency via High-Locality Offloading

Overview

NOSA is a trainable sparse attention mechanism designed for KV-cache offloading with an explicit locality constraint, paired with an inference system (NOSI) to realize its efficiency. It improves long-context/long-generation quality over prior offloading baselines while boosting decoding throughput by up to 5.04× vs FullAttn, 1.92× vs InfLLMv2, and 1.83× vs ShadowKV on 1B/3B/8B LLMs.

For more details, please refer to the paper: NOSA: Native and Offloadable Sparse Attention.

Models

We train 1B, 3B, and 8B models FullAttn, InfLLMv2, DMA, and NOSA, resulting in a total of 12 models. The following models have been released on Hugging Face.

ModelLink
NOSA-1BNOSA-1B
NOSA-3BNOSA-3B
NOSA-8BNOSA-8B

Please reach out to us if additional baseline models (FullAttn, InfLLMv2, or DMA) are needed. You may open an issue or contact us directly via email (our email addresses are provided in the paper).

Citation

@article{huang2025nosa,
  title={NOSA: Native and Offloadable Sparse Attention},
  author={Huang, Yuxiang and Wang, Pengjie and Han, Jicheng and Zhao, Weilin and Su, Zhou and Sun, Ao and Lyu, Hongya and Zhao, Hengyu and Wang, Yudong and Xiao, Chaojun and Han, Xu and Liu, Zhiyuan},
  journal={arXiv preprint arXiv:2510.13602},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SparseLlamaForCausalLM
Ревизия весов
7bdc33f

0 моделей