/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
5 ГБ
Лицензия
MIT
Архитектура
llama · dense
Опубликована
18 авг 2026

QTensor-Llama-3-8B-Demo

Генерация текстаТекст → текст3 профессии

Экспериментальный сжатый чекпойнт Meta-Llama-3-8B для проверки инференса ASVD-Bridge и работы в ограниченной видеопамяти.

41скачиваний за 30 дней0лайковвеса обновлены18 авг 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

QTensor-Llama-3-8B-Demo — экспериментальный сжатый вариант Meta-Llama-3-8B, созданный авторами QTensor для демонстрации метода ASVD-Bridge. Архитектура сохраняет 32 слоя Llama с размерностью скрытого состояния 4096 и сочетает SVD-разложение проекций внимания, Fake-INT4 для MLP и LoRA-компоненты. Веса занимают около 4,67 ГБ видеопамяти; авторы сообщают о скорости 32,93 токена в секунду на RTX 5080. Метаданные указывают 7,5 млрд параметров и контекст 8192 токена.

Чекпойнт предназначен для исследователей и инженеров, проверяющих инференс ASVD-Bridge, сокращение вычислений и работу в ограниченном бюджете видеопамяти. Это ранний шаг дистилляции (230 из 5000): модель пока не является функциональной чат-моделью, а её семантические способности снижены. Она не подходит для ответов на вопросы, генерации кода, рассуждений или производственного применения. Указана лицензия MIT; в README также отмечено, что обучение на Alpaca может передавать модели ограничения и предвзятости этого датасета.

Сценарии применения

  • проверка запуска Llama в пределах 4,67 ГБ видеопамяти
  • измерение скорости инференса сжатой модели
  • исследование SVD-сжатия проекций внимания
  • проверка Fake-INT4-квантизации MLP
  • эксперименты с дистилляцией квантованных LLM

Ограничения

Это промежуточный чекпойнт после 230 из 5000 шагов дистилляции; связная беседа, фактические ответы, генерация кода и рассуждения ненадёжны. Авторы не рекомендуют производственное применение; модель также может наследовать смещения Alpaca.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

QTensor Meta-Llama-3-8B — ASVD-Bridge Hardware Demo

Full 8-Billion Parameter Architecture Compressed to 4.67 GB VRAM Footprint

Base Architecture: Meta-Llama-3-8B (8.03B Parameters) | Effective Footprint: 4.67 GB | Engine: ASVD-Bridge (SVD + INT4 QAT)

🛑 CRITICAL DISCLAIMER: THIS IS AN 8B HARDWARE & ARCHITECTURE DEMO (STEP 230 OF 5,000) This checkpoint is released strictly to prove that an 8-Billion parameter Llama-3 model can execute natively inside a 4.67 GB VRAM footprint at 32+ TPS on consumer GPUs using the ASVD-Bridge architecture.

It is not a functional chat model yet. At Step 230, the model is successfully re-learning token boundaries and basic grammar, but high-level semantic reasoning is still degraded from the initial compression shock. Coherent conversational weights will arrive with the full 5,000-step completion.

QTensor Meta-Llama-3 8B Asymmetric Demo is a fully compressed, sub-5GB footprint variant of Meta-Llama-3-8B, built using ASVD-Bridge (Asymmetric Singular Value Decomposition with Subspace Stabilization) — combining SVD rank allocation with Fake-INT4 MLP quantization.

The model was trained for 230 steps (Demo Checkpoint) of Quantization-Aware Distillation (QAD) using KL-Divergence distillation against the FP16 teacher, with all <pad> tokens masked from the loss to ensure true semantic convergence.

📊 Verified Results (NVIDIA RTX 5080, CUDA 13.2)

MetricFP16 BaselineQTensor Asymmetric Demo
VRAM (inference)~15.0 GB4.67 GB
Throughput~15 t/s32.93 t/s
QAD training loss—5.26
Generation coherence✅⚠️ (Demo Checkpoint - Needs 5,000 steps)

🧬 Architecture

This model uses a hybrid compression topology:

LayerMethodDetail
Attention (q/k/v/o_proj)SVD + LoRADynamic rank $r$, entropy-mapped per layer
MLP (gate/up/down_proj)Fake-INT4 Slicing + LoRASliced output dimensions to simulate 4-bit footprint
Subspace BridgeLearnable scalarAligns student hidden states to teacher manifold

💡 Why does Hugging Face show "2B params"?
The Hugging Face Hub metadata scanner calculates parameter count purely from tensor matrix dimensions on disk. Because ASVD-Bridge truncates attention projection matrices into rank-$r$ SVD factors ($d \times r$ and $r \times d$), the raw parameter count physically sums to ~2.1B weights while preserving the full 8B layer depth ($L=32$), embedding dimension ($d=4096$), and MLP width ($d_{mlp}=14336$).

🎯 Intended Use & Out-of-Scope Use

  • Intended Use: This artifact is intended for ML researchers and engineers to verify the ASVD-Bridge inference engine, measure FLOP reductions, and test the 4.67 GB physical VRAM boundary.
  • Out-of-Scope Use: This model should not be used for factual Q&A, code generation, reasoning tasks, or production deployments. The semantic weights are mid-distillation and will hallucinate heavily.
  • Dataset Limitations: The distillation utilizes the Alpaca dataset (52K instructions). As a result, even upon full convergence, the model will inherit the biases and limitations present in the original Alpaca instruct-tuning data.

🚀 Quickstart

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "trentzap/QTensor-Llama-3-8B-Demo"
tokenizer = AutoTokenizer.from_pretrained(model_id)

model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
    device_map="cuda"
)

messages = [{"role": "user", "content": "Explain entropy-based SVD rank allocation."}]
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

with torch.no_grad():
    outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7, top_p=0.9)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

📦 Training Details

ParameterValue
Teacher modelNousResearch/Meta-Llama-3-8B
Training datasettatsu-lab/alpaca (52K instructions)
Training steps230 (Demo)
Batch size4 (grad accum × 8 = effective 32)
HardwareNVIDIA RTX 5080 16GB

🔗 Source Code

The distillation training loop and the export engine are fully open-source. Researchers can verify the SVD and LoRA mathematical folding here: https://github.com/Trentzap1/qtensor-engine

📄 License

MIT License

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
1a9dbea

0 моделей