/ Модель

Характеристики

Контекст
2 097 152 токена
Лицензия
Apache 2.0
Архитектура
quasar · dense
Базовая модель
Qwen3.5-9B-Base
Библиотека
transformers
Опубликована
9 мар 2026

Quasar-10B

Генерация текстаТекст → текст10 профессий

Quasar-10B — дообученная SILX AI языковая модель с архитектурой GLA и контекстом до 2 млн токенов для генерации текста и синтетических рассуждений.

181скачиваний за 30 дней55лайковвеса обновлены10 мар 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

Quasar-10B — языковая модель SILX AI для генерации текста и работы с длинным контекстом. Она основана на Qwen3.5-9B-Base, но её архитектура переработана: часть механизмов внимания заменена на Gated Linear Attention (GLA), а позиционные эмбеддинги RoPE удалены. Модель имеет около 10 млрд параметров и нативное контекстное окно 2 097 152 токена.

Модель предназначена прежде всего для генерации синтетических рассуждений и передачи знаний при подготовке Quasar 22B MoE. Заявленные направления применения включают задачи с длинным контекстом, математику, STEM и код; метаданные также отмечают чат-возможности и языки английский и арабский. GLA обеспечивает линейную сложность обработки последовательностей, однако заявленная возможность работы за пределами обучающего контекста не подтверждена отдельными данными об оценке качества. Для запуска указана библиотека Transformers, веса представлены в формате safetensors. Лицензия Apache-2.0.

Сценарии применения

  • генерация синтетических рассуждений для обучения более крупной модели
  • создание текстовых ответов на длинные запросы
  • решение математических задач в формате текстового диалога
  • генерация кода и объяснений к нему
  • работа с текстами длиной до 2 млн токенов

Ограничения

README позиционирует модель прежде всего как средство генерации синтетических данных для будущей Quasar 22B MoE; независимые оценки качества и подтверждение работы за пределами нативного контекста не приведены.

Для каких профессий подходит10

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

Quasar-10B: Fully Linear Foundation Model

Quasar-10B is a high-performance foundation model developed by SILX AI. It is built upon the Qwen3.5-9B-Base architecture, fundamentally re-engineered to support extreme long-context reasoning (2 Million+ tokens) while maintaining high computational efficiency.

This model marks a major shift in the Quasar training stack, moving from traditional Softmax-based attention to a Hybrid Gated Linear Attention (GLA) architecture.


Model Overview

Model Name: Quasar-10B
Organization: SILX AI
Base Model: Qwen3.5-9B-Base

Architecture Evolution

The original Qwen3.5 architecture uses a combination of Gated Delta Attention and Softmax Gated Attention. To support the Quasar design requirements for infinite scaling and efficient state management, we performed a deep architectural swap:

  • GLA Integration: Replaced the target attention layers with Gated Linear Attention (GLA).
  • NOPE (No Positional Embeddings): Removed traditional RoPE (Rotary Positional Embeddings) to eliminate positional bias and enable native extrapolation to millions of tokens.

    [!NOTE]
    GLA was chosen as the core linear mechanism to maintain exact architectural parity with the Quasar 22B MoE design. This model is a direct evolution redirected from silx-ai/Quasar-V1-Base-Stage1, utilizing Quasar Continuous Time Attention for state-trajectory optimization.


Training Methodology

The development of Quasar-10B followed a rigorous two-stage process:

Stage 1: Structural Distillation (10B Tokens)

To ensure the new GLA layers correctly inherited the capabilities of the original Qwen heads:

  • Process: Layer-wise structural distillation. We initialized the student with Qwen3.5 weights and replaced specific layers with GLA units.
  • Loss: Hybrid loss combining MSE (Hidden State Mimicry) and Cross-Entropy (Language Modeling).
  • Volume: 10 Billion tokens of high-quality reasoning data.
  • Goal: Minimize structural divergence and transferpretrained world knowledge into the new linear state.

Stage 2: Native 2M Context Expansion (20B Tokens)

Once structurally sound, the model was pushed to extreme sequence lengths:

  • Positionality: RoPE was fully removed and replaced with NOPE (No Positional Embedding).
  • Context Length: Native training on 2,097,152 (2M) sequence lengths.
  • Volume: 20 Billion tokens.
  • Hardware: Optimized for B200 HBM efficiency, utilizing sub-chunked sequential processing to maintain a 2M token active state.

Features

  • Infinite Recurrence: The GLA architecture allows the model to process sequences far beyond its training window with linear complexity.
  • Reasoning Excellence: Trained on the Nemotron-Pretraining-Specialized-v1 mix, focusing on Math, STEM, and code-centric reasoning.
  • B200 Optimized: Specifically tuned for maximum throughput on NVIDIA Blackwell hardware.

Technical Notes

Quasar-10B represents the first "Recurrent foundation model" in our stack that successfully bridges the gap between Transformer-scale pretraining and RNN-style linear efficiency. By removing positional embeddings, we allow the model to rely entirely on its internal state trajectories for temporal coherence.


Next Steps

The Quasar roadmap continues toward even larger scales and deeper MoE integrations. For technical research and integration support, contact the SILX AI team.


[!IMPORTANT]
Strategic Purpose: Quasar-10B is designed as a foundational high-context engine. It will be used exclusively to distill knowledge and generate synthetic reasoning data for the upcoming Quasar 22B MoE, ensuring that the larger mixture-of-experts model inherits superior long-context coherence and refined logical state-trajectories from this fully linear base.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
QuasarForCausalLM
Ревизия весов
7b3e6f6

0 моделей