/ Модель

Характеристики

Контекст
1 024 токена
Параметры
464 млн
Лицензия
CC BY-NC 4.0
Архитектура
m2m_100 · dense
Базовая модель
nllb-200-distilled-600M
Опубликована
28 июл 2026

nllb-200-distilled-600M-int8-cpu

ПереводТекст → текст

Квантованная INT8-версия NLLB-200 для перевода между 200 языками с инференсом на CPU без GPU.

6скачиваний за 30 дней0лайковвеса обновлены12 окт 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

NLLB-200 Distilled 600M INT8 CPU — квантованная версия многоязычной модели перевода NLLB, опубликованная rudrakshrakeshzodage на основе facebook/nllb-200-distilled-600M. Модель содержит 463,7 млн параметров, использует архитектуру M2M100 и динамическую INT8-квантизацию слоёв Linear в PyTorch; вычисления активаций выполняются во время инференса. Она предназначена для перевода между 200 языками NLLB, включая языки с ограниченными ресурсами, и может работать на CPU без GPU.

Заявленные в карточке ориентиры для этой версии — около 800 МБ памяти модели и ускорение примерно в 3,6 раза относительно FP16 на CPU; результаты зависят от оборудования и нагрузки. Контекст составляет 1024 токена. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • перевод предложений между языками NLLB-200
  • перевод текстов на языки с ограниченными ресурсами
  • локальный машинный перевод без GPU
  • встраивание многоязычного перевода в CPU-приложение

Ограничения

Коммерческое использование ограничено лицензией CC-BY-NC-4.0. Контекст ограничен 1024 токенами; приведённые в README показатели производительности являются заявленными ориентирами и зависят от оборудования.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NLLB-200 Distilled 600M — INT8 CPU Quantized (PyTorch Dynamic)

[!NOTE] 🌐 Live Web Demo: Try 100% offline in your browser at huggingface.co/spaces/rudrakshrakeshzodage/nllb-200-onnx-browser-demo

[!NOTE] This model is part of a suite of optimized/quantized versions of the base model. Other variants in this direction:

Base model: facebook/nllb-200-distilled-600M
Quantization: PyTorch INT8 Dynamic (torch.quantization.quantize_dynamic)
Languages: 200 (all NLLB-200 supported languages)


💾 Model Size Reduction Comparison (FP32 vs FP16 vs INT8 vs NF4)

Model Size Comparison

📈 200+ Language Performance Benchmark Chart

200+ Language Performance Benchmark

Quantization Architecture Details

  • Target Layers: torch.nn.Linear inside Encoder & Decoder Self-Attention / FFN modules.
  • Weight Precision: qint8 (8-bit signed integers).
  • Activation Quantization: Calculated dynamically at inference runtime per batch.
  • No GPU Needed: Optimized for x86 CPU SIMD / AVX2 / AVX-512 instructions.

📊 Model Performance & Benchmarks

MetricINT8 Dynamic (CPU)FP16 Base (CPU)Speedup / Savings
RAM Footprint~800 MB~2,400 MB66.7% RAM reduction
Avg Latency (Per Lang)~1,097 ms~3,950 ms3.6× Faster
Throughput55 languages / min~15 languages / min3.6× Higher
200-Lang Benchmark Run~3.7 minutes~13.3 minutes9.6 min saved
Loop Anomalies0 ✅1 (Central Kanuri)Fully stable
BLEU Score (vs FP16)~42.0~42.1< 0.1 BLEU loss

💻 Hardware Requirements

  • CPU: Intel Core i3 (10th Gen+), AMD Ryzen 3 (3000U+), Apple Silicon (M1+)
  • RAM: 4 GB System RAM minimum (800 MB active model memory)
  • GPU: None required (100% CPU inference)

🚀 Usage

import torch
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# Load base architecture
model = AutoModelForSeq2SeqLM.from_pretrained(
    "facebook/nllb-200-distilled-600M"
)

# Apply PyTorch INT8 Dynamic Quantization
model = torch.quantization.quantize_dynamic(
    model, {torch.nn.Linear}, dtype=torch.qint8
)

tokenizer = AutoTokenizer.from_pretrained(
    "YOUR_USERNAME/nllb-200-distilled-600M-int8-cpu"
)

# Translate English to Hindi (hin_Deva)
inputs = tokenizer("Hello world, how are you?", return_tensors="pt")
translated_tokens = model.generate(
    **inputs, 
    forced_bos_token_id=tokenizer.lang_code_to_id["hin_Deva"], 
    max_length=100
)
print(tokenizer.batch_decode(translated_tokens, skip_special_tokens=True)[0])

📜 Citation & Credits

Quantization research and benchmarking by RudrakshRakeshZodage.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
M2M100ForConditionalGeneration
Ревизия весов
1ea5188

0 моделей