/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
11 млрд
Размер весов
11,4 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Bielik-11B-v3.0-Instruct
Библиотека
transformers
Опубликована
30 дек 2025

Bielik-11B-v3.0-Instruct-FP8-Dynamic

Генерация текстаТекст → текст10 профессий

Bielik-11B-v3.0-Instruct-FP8-Dynamic — языковая модель SpeakLeash и ACK Cyfronet AGH, предназначенная для генерации текста и диалоговых сценариев.

2 588скачиваний за 30 дней7лайковвеса обновлены28 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

Это FP8-квантизованная версия Bielik-11B-v3.0-Instruct, дообученная на базе Bielik-11B-v3-Base-20250730. Модель ориентирована на многоязычное использование, поддерживает 32 европейских языка и оптимизирована для польского языка.

Модель имеет архитектуру causal decoder-only и содержит около 11 млрд параметров. Квантизация FP8 применена к весам и активациям линейных операторов внутри transformer-блоков с симметричной поканальной для всего тензора схемой масштабирования. Это примерно вдвое уменьшает размер модели на диске и требования к памяти GPU. Модель рассчитана на работу с vLLM версии 0.5.0 и выше или SGLang; вычисления FP8 поддерживаются на GPU NVIDIA с compute capability выше 8.9, включая Ada Lovelace и Hopper. Максимальный контекст в README не указан.

К сильным сторонам относятся сниженные требования к памяти и возможность эффективного развёртывания через совместимые серверы и OpenAI-совместимый API. Ограничением является возможное снижение качества ответов и повышение вероятности галлюцинаций из-за квантизации. Модель работает с текстом; сведения о поддержке других модальностей отсутствуют. Распространяется по лицензии Apache 2.0.

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

Bielik-11B-v3.0-Instruct-FP8-Dynamic

This model was obtained by quantizing the weights and activations of Bielik-11B-v3.0-Instruct to FP8 data type, ready for inference with vLLM >= 0.5.0 or SGLang. AutoFP8 is used for quantization. This optimization reduces the number of bits per parameter from 16 to 8, reducing the disk size and GPU memory requirements by approximately 50%. Only the weights and activations of the linear operators within transformers blocks are quantized. Symmetric per-tensor quantization is applied, in which a single linear scaling maps the FP8 representations of the quantized weights and activations.

FP8 compuation is supported on Nvidia GPUs with compute capability > 8.9 (Ada Lovelace, Hopper).

DISCLAIMER: Be aware that quantised models show reduced response quality and possible hallucinations!

Use with vLLM

This model can be deployed efficiently using the vLLM backend, as shown in the example below.

from vllm import LLM, SamplingParams
from transformers import AutoTokenizer

model_id = "speakleash/Bielik-11B-v3.0-Instruct-FP8-Dynamic"

sampling_params = SamplingParams(temperature=0.2, top_p=0.95, max_tokens=4096)

tokenizer = AutoTokenizer.from_pretrained(model_id)

messages = [
    {"role": "system", "content": "Jesteś pomocnym asystentem Bielik."},
    {"role": "user", "content": "Kim był Mikołaj Kopernik i z czego zasłynął?"},
]

prompts = tokenizer.apply_chat_template(messages, tokenize=False)

llm = LLM(model=model_id, max_model_len=4096)

outputs = llm.generate(prompts, sampling_params)

generated_text = outputs[0].outputs[0].text
print(generated_text)

vLLM aslo supports OpenAI-compatible serving. See the documentation for more details.

Use with SGLang Runtime

Launch a server of SGLang Runtime:

python -m sglang.launch_server --model-path speakleash/Bielik-11B-v3.0-Instruct-FP8-Dynamic --port 30000

Then you can send http request or use OpenAI Compatible API.

import openai
client = openai.Client(
    base_url="http://127.0.0.1:30000/v1", api_key="EMPTY")

response = client.chat.completions.create(
    model="default",
    messages=[
        {"role": "system", "content": "Jesteś pomocnym asystentem Bielik."},
        {"role": "user", "content": "Kim był Mikołaj Kopernik i z czego zasłynął?"},
    ],
    temperature=0,
    max_tokens=4096,
)
print(response)

Model description:

Responsible for model quantization

  • Remigiusz KinasSpeakLeash - team leadership, conceptualizing, calibration data preparation, process creation and quantized model delivery.

Contact Us

If you have any questions or suggestions, please use the discussion tab. If you want to contact us directly, join our Discord SpeakLeash.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
cfa5e0e

0 моделей