/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
59,1 ГБ
Лицензия
MIT
Архитектура
qwen3_5_moe · MoE
Базовая модель
Ornith-1.5-35B-A3B
Библиотека
transformers
Опубликована
20 авг 2026

Ornith-1.5-35B-A3B-REAP-20pct

Генерация текстаТекст → текст15 профессий

Ornith-1.5-35B-A3B-REAP-20pct — разреженная MoE-модель для генерации текста, программирования и вызова инструментов, созданная oxfrug на основе Ornith-1.5-35B-A3B от ornith-ai.

879скачиваний за 30 дней1лайквеса обновлены5 сен 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

Модель предназначена для локального и самостоятельного развёртывания, особенно в сценариях кодирования, диалогового взаимодействия и tool calling. В метаданных указан английский язык.

Модель использует гибридную архитектуру GatedDeltaNet + MoE с 40 слоями. После удаления 20% экспертов в каждом слое осталось 205 экспертов вместо 256, при этом для каждого токена активны 8 экспертов. Активный объём параметров составляет около 3B на токен, размер BF16-весов — примерно 56 ГБ вместо 67 ГБ у базовой модели. Общие эксперты, vision tower, эмбеддинги и lm_head не изменялись; архитектура обозначена как Qwen3_5MoeForConditionalGeneration, поэтому модель поддерживает текстово-мультимодальный интерфейс базовой архитектуры. Для работы требуются transformers версии 5.8.1 или новее; для vLLM заявлена конфигурация с контекстом до 262144 токенов.

Главное преимущество — экономия около 11 ГБ дискового пространства при сохранении примерно 3B активных параметров на токен и совместимость с transformers и vLLM. Ограничения связаны с потерей качества из-за pruning: модель не является lossless-копией и не является квантизированной или дообученной. Для этого чекпойнта не проводились полноценные тесты SWE-bench, Terminal-Bench и GPQA, а опубликованные результаты родственной модели нельзя переносить на него. Калибровка выполнялась на последовательностях длиной 1024 токена, что также может повышать риск ухудшения специализированных возможностей, включая tool calling.

Модель распространяется по лицензии MIT. Она требует значительных ресурсов: это не вариант для одной видеокарты на 24 ГБ; для длинного контекста в vLLM рекомендуется конфигурация с двумя GPU по 80 ГБ. Форматы GGUF для данного pruning в README не заявлены.

Для каких профессий подходит15

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

Ornith-1.5-35B-A3B-REAP-20pct

Ornith-1.5 coding MoE with 20% of experts gone. Same 8 active per token, ~56 GB BF16 instead of ~67 GB. REAP (Lasby et al., Cerebras, ICLR 2026). Not lossless. Not GGUF. Not a 24 GB card.

You wantUse
Max quality, full 256 expertsornith-ai/Ornith-1.5-35B-A3B
Same family, less disk, vLLM / transformersthis repo
One 24 GB GPU, ExLlamaV3oxfrug/Ornith-1.5-9B-exl3
LM Studio / Ollama / llama.cppno GGUF of this prune yet

Same recipe on Qwen3.5-35B: 0xSero/Qwen3.5-28B.

Model details

BaseThis
Base modelornith-ai/Ornith-1.5-35B-A3Bsame hybrid GatedDeltaNet + MoE
Relation—REAP 20% expert prune
Experts / layer256205 (51 removed)
Active / token88
Layers4040
On-disk BF16~67 G~56 G
Librarytransformers ≥ 5.8.1transformers ≥ 5.8.1
LicenseMITMIT

Shared expert, vision tower, embeddings, and lm_head are untouched. Router weights renormalized after prune. config.json text_config.num_experts is 205. Architecture: Qwen3_5MoeForConditionalGeneration.

Quickstart

pip install -U "transformers>=5.8.1"
from transformers import AutoModelForImageTextToText, AutoTokenizer

model_id = "oxfrug/Ornith-1.5-35B-A3B-REAP-20pct"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(
    model_id, torch_dtype="auto", device_map="auto"
)

messages = [{"role": "user", "content": "Write a one-line Python lambda that squares a number."}]
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tok(text, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=256, temperature=0.6, top_p=0.95)
print(tok.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

vLLM (>=0.19.1), 2× 80GB recommended for long context:

vllm serve oxfrug/Ornith-1.5-35B-A3B-REAP-20pct \
    --tensor-parallel-size 2 \
    --max-model-len 262144 \
    --enable-auto-tool-choice --tool-call-parser qwen3_xml \
    --reasoning-parser qwen3 \
    --trust-remote-code

Sampling: general temperature=0.6, top_p=0.95, top_k=20. Ornith is a reasoning model — the assistant turn opens with <think>…</think> unless the server splits it into reasoning_content.

Benchmarks

This checkpoint was not re-run on SWE-bench / Terminal-Bench / GPQA. Do not copy the base card’s 79 SWE-bench / 67.8 Terminal-Bench numbers onto this prune.

vs base (this checkpoint)

BaseThis
Experts / layer256205
Disk (BF16)~67 G~56 G
Active params / token~3B~3B

Proxy (same recipe, not this checkpoint)

The same REAP 20% recipe on Qwen/Qwen3.5-35B-A3B (0xSero/Qwen3.5-28B, greedy, 0-shot) dropped coding a few points and raised WikiText perplexity. Ornith is a Qwen3.5 hybrid (GatedDeltaNet + MoE); expect a comparable tax, not these exact numbers.

BenchmarkOriginal Qwen3.5-35BREAP 20%Delta
HumanEval pass@176.2%73.2%−3.0
HumanEval+ pass@172.0%70.1%−1.9
WikiText-2 PPL (10k tok)6.839.51+2.68

Source: 0xSero’s card, not a run of oxfrug/Ornith-1.5-35B-A3B-REAP-20pct.

Smoke (this checkpoint)

Greedy, thinking off, 3090 offload. Not a published coding bench.

PromptBaseThis
square lambda / is_evenmatchmatch
get_weather with the base card tools= schemawell-formed <tool_call><function=get_weather> / Parissame

How it was made

Same mix as 0xSero/Qwen3.5-28B, not Cerebras’ 24k×16k agentic mix:

  • theblackcat102/evol-codealpaca-v1 × 250
  • open-r1/Mixture-of-Thoughts code / math / science × 250 each
  • 1000 sequences, max length 1024 (3090 VRAM; 0xSero used 4096)
  • seed 42, prune_method=reap, renormalize_router_weights=true
  • Layerwise observer (model does not fit in 60 G RAM)

No xlam / SWE-smith traces — extra risk for Ornith’s tool-calling specialists.

Intended use

Local / self-hosted coding and tool-calling with Ornith-1.5 quality, at ~11 GB less disk than the unpruned BF16. Accept a quality tax vs the 35B-A3B base.

Limits

  • Expert prune, not a quant and not a fine-tune.
  • Shorter calibration sequences (1024 vs 4096) than the Qwen3.5-35B sibling run.
  • Hybrid GatedDeltaNet + MoE: REAP only touches MoE experts.
  • Do not claim base Ornith-1.5 SWE-bench / Terminal-Bench / GPQA scores for this file.

License

MIT, same as the base. Prune by oxfrug.

Citation

@misc{lasby2025reap,
  title  = {REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression},
  author = {Mike Lasby and Ivan Lazarevich and Nish Sinnadurai and Sean Lie and Yani Ioannou and Vithursan Thangarasa},
  year   = {2025},
  eprint = {2510.13999},
  archivePrefix = {arXiv}
}

@misc{ornith_1_5,
  title  = {{Ornith-1.5}: From Self-Scaffolding to Self-Improvement},
  url    = {https://ornith.ai/ornith_1_5.html},
  author = {{Ornith Team}},
  year   = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
1407285

0 моделей