/ Модель

Характеристики

Контекст
8 192 токена
Параметры
3,2 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
6 янв 2026

NOSA-3B

Генерация текстаТекст → текст6 профессий

NOSA-3B — диалоговая языковая модель с разреженным вниманием для генерации текста и более эффективного декодирования длинных последовательностей.

212скачиваний за 30 дней4лайкавеса 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

openbmb/NOSA-3B — языковая модель с 3,2 млрд параметров, разработанная командой OpenBMB с механизмом разреженного внимания NOSA (Native and Offloadable Sparse Attention). NOSA предназначен для эффективной работы с KV-кэшем при его выгрузке из памяти и сохраняет локальность доступа; для инференса предусмотрена система NOSI. Модель относится к семейству Llama и доступна в форматах PyTorch и Safetensors.

Модель подходит для генерации текста и диалогов, в том числе для длинных контекстов и продолжительной генерации. Заявленный нативный размер контекста — 8192 токена. В статье авторы сообщают об улучшении качества на длинных последовательностях по сравнению с предыдущими методами выгрузки KV-кэша и об ускорении декодирования до 5,04 раза относительно FullAttn, 1,92 раза относительно InfLLMv2 и 1,83 раза относительно ShadowKV; эти показатели относятся к описанным авторами экспериментам.

Карточка указывает поддержку английского и китайского языков и лицензию Apache-2.0. Подробности о качестве на конкретных задачах и ограничениях применения за пределами приведённых экспериментов в карточке не раскрыты.

Сценарии применения

  • диалоговое общение с моделью
  • генерация продолжений текста
  • длинная генерация с ограниченными ресурсами KV-кэша
  • эксперименты с разреженным вниманием и выгрузкой KV-кэша

Ограничения

Заявленные ускорения получены в экспериментах авторов и не гарантируют такой же результат на других аппаратных конфигурациях и задачах. Указанный нативный контекст составляет 8192 токена.

Для каких профессий подходит6

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.

The model was presented in the paper NOSA: Native and Offloadable Sparse Attention.

Models

We train 1B, 3B, and 8B models using FullAttn, InfLLMv2, DMA, and NOSA. The following NOSA models have been released on Hugging Face:

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

Please reach out to the authors if additional baseline models (FullAttn, InfLLMv2, or DMA) are needed. You may open an issue on the GitHub repository or contact the authors directly via email.

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
c5a4d50

0 моделей