/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,8 млрд
Размер весов
59,1 ГБ
Лицензия
Apache 2.0
Архитектура
gravity_moe · dense
Библиотека
transformers
Опубликована
9 сен 2026

Gravity-30B-A5B-Base

Генерация текстаТекст → текст5 профессий

Предобученная разреженная языковая модель на 29,56 млрд параметров для генерации текста, работы с длинным контекстом и последующего дообучения.

245скачиваний за 30 дней1лайквеса обновлены10 сен 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

Gravity-30B-A5B-Base — базовая предобученная разреженная языковая модель Trillion Labs и Lunit Consortium. Она предназначена для генерации продолжений текста и как основа для последующего дообучения; модель не проходила настройку для следования инструкциям или выравнивание безопасности.

Модель использует архитектуру GravityMoE, совместимую с DeepSeek-V3: 29,56 млрд параметров всего, из которых 5,34 млрд активны на токен, 52 слоя и механизм Multi-head Latent Attention. Контекстное окно — 131 072 токена. Обучающие данные включают STEM-темы, код, математику, медицинскую литературу, корейские и англоязычные тексты; карточка указывает английский и корейский языки. Модель доступна в формате safetensors для Transformers.

Модель может служить основой для приложений генерации текста, продолжения кода и специализированного дообучения, особенно для длинных документов и материалов на английском и корейском языках. Без настройки на инструкции она не является готовым чат-ассистентом и может выдавать фактически неверный, предвзятый или вредный контент; качество может быть ниже для языков, недостаточно представленных в обучении. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения текста на английском и корейском языках
  • создание базовой модели для последующего дообучения под инструкции
  • продолжение и генерация программного кода
  • работа с длинными документами в контексте до 131 072 токенов

Ограничения

Модель не настроена для следования инструкциям и не имеет выравнивания безопасности; она может генерировать неверный, предвзятый или вредный текст. Качество может снижаться для языков, слабо представленных в обучающих данных.

Для каких профессий подходит5

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

Gravity-30B-A5B-Base

Gravity-30B-A5B-Base is a pretrained sparse Mixture-of-Experts (MoE) language model by Trillion Labs and the Lunit Consortium. It features 29.56B total parameters with 5.34B active parameters per token and a native 128K context window.

The model grows Gravity-16B-A3B-Base from 28 to 52 layers with LLaMA-Pro-style block expansion (Wu et al., 2024): new transformer blocks are interleaved into the existing stack, and the expanded network is then continually pretrained on a STEM-, code- and Korean-heavy mixture, followed by long-context extension to 131,072 tokens.

The checkpoint uses the GravityMoE architecture, whose modeling code inherits directly from the DeepSeek-V3 implementation in transformers; the weight layout, routing fields and attention are exactly DeepSeek-V3. Load it with trust_remote_code=True.

Model Summary

PropertyValue
Total Parameters29.56B
Active Parameters5.34B
ArchitectureGravityMoE (DeepSeek-V3-compatible: MLA + sparse MoE)
Number of Layers52 (2 dense + 50 MoE)
Hidden Size2048
Attention Heads16
KV Heads16
Routed Experts64
Shared Experts1
Experts per Token8
MoE Intermediate Size1408
Context Length131,072 tokens
Vocabulary Size151,552
Precisionbf16
LicenseApache 2.0

Architecture

Gravity-30B-A5B-Base uses a DeepSeek-V3-style architecture (DeepSeek-AI et al., 2024), the same family as Gravity-16B-A3B-Base and Moonlight. Key features:

  • Multi-head Latent Attention (MLA): low-rank key-value compression (kv_lora_rank=512, qk_nope_head_dim=128, qk_rope_head_dim=64, v_head_dim=128) for a compact KV cache.
  • Mixture-of-Experts: 64 routed experts with top-8 selection plus 1 shared expert. The first two layers use a dense MLP (first_k_dense_replace=2); all subsequent layers are MoE.
  • Sigmoid Routing with Bias Correction: sigmoid scoring with auxiliary-loss-free load balancing via e_score_correction_bias (topk_method=noaux_tc, routed_scaling_factor=2.446).
  • Interleaved RoPE: rotary embeddings with rope_theta=1,000,000, no scaling.

Comparison with Gravity-16B-A3B-Base

ParameterGravity-30B-A5B-BaseGravity-16B-A3B-Base
Layers5228
Dense Layers21
Total / Active Params29.56B / 5.34B16.24B / 3.16B
Context Length131,07232,768
HF ArchitectureGravityMoEForCausalLMGravityMoEForCausalLM
TokenizerGLM-4.5 (151,552)GLM-4.5 (151,552)

Tokenizer

The tokenizer is initialized from GLM-4.5 (vocabulary size 151,552). Internal evaluations across multilingual corpora found it more efficient in fertility and compression ratio than alternatives, especially for mixed English-Korean text. For the base model, eos_token is <|endoftext|>.

Training

  1. Block Expansion (LLaMA-Pro style) — Initialized from Gravity-16B-A3B-Base by stacking additional transformer blocks into the existing layer stack (28 → 52 layers), then warmed up at 4K context.
  2. Continued Pretraining / Annealing — 32K context on a high-quality mixture emphasizing STEM, code, mathematics, medical literature and Korean web/text corpora.
  3. Long-Context Extension — 128K context training on a long-document mixture (rope_theta=1e6, no RoPE scaling).

Quickstart

Installation

pip install "transformers>=4.57" torch

Using Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "trillionlabs/Gravity-30B-A5B-Base"

tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    trust_remote_code=True,
    dtype=torch.bfloat16,
    device_map="auto",
)

input_ids = tokenizer("The theory of relativity states that", return_tensors="pt").input_ids.to(model.device)
output = model.generate(input_ids, max_new_tokens=128, do_sample=True, temperature=0.7)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Deployment

Note: We are working on upstreaming native GravityMoE support to SGLang. Until the PR is merged, please use the fork below. Internally the model is DeepSeek-V3-compatible, so the fork only registers the GravityMoEForCausalLM name onto SGLang's DeepSeek-V3 implementation.

SGLang

Install SGLang from the sglang-gravity fork (based on SGLang v0.5.19):

pip install "sglang[all] @ git+https://github.com/trillion-labs/sglang-gravity.git#subdirectory=python"

Launch the server:

python3 -m sglang.launch_server \
    --model-path trillionlabs/Gravity-30B-A5B-Base \
    --host 0.0.0.0 --port 30000 \
    --tp 4 --context-length 131072 \
    --trust-remote-code --dtype bfloat16

Limitations

  • This is a base pretrained model without instruction tuning or safety alignment. It may generate factually incorrect, biased, or harmful content.
  • Performance may degrade on languages not well-represented in the training data.

Acknowledgements

This model was developed as part of a collaborative research initiative led by Lunit and Trillion Labs, with a focus on advancing foundation models for science and healthcare.

  • Lunit — Project lead and medical AI research
  • Trillion Labs — Model architecture, pretraining, and infrastructure
  • Aigen Science — Biomedical AI and drug discovery research
  • SK Biopharmaceuticals — AI-driven drug development and digital healthcare advisory
  • Kakao Healthcare — Medical data standardization and platform support

We also thank the following participating institutions for their contributions: KAIST (Yoonjae Choi, Taekyun Kim, Jong Chul Ye, Hyunwoo Kim, Seunghoon Hong), Seoul National University (Yousung Jung), Rebellions, Standigm, NHIS Ilsan Hospital, Yongin Severance Hospital, Gangdong Kyung Hee University Hospital, Kyung Hee University Medical Center, Korea University, Konyang University Hospital, Ewha Womans University Seoul Hospital, Keimyung University Dongsan Medical Center, Pusan National University Yangsan Hospital, and D-Circle.

This work was supported by the AI Specialized Foundation Model Project (인공지능 특화 파운데이션 모델 프로젝트), funded by the Ministry of Science and ICT (과학기술정보통신부, MSIT) and managed by the National IT Industry Promotion Agency (NIPA, 정보통신산업진흥원).

License

This model is released under the Apache 2.0 License.

Citation

@misc{gravity-30b-base-2026,
    title={Gravity-30B-A5B-Base},
    author={Trillion Labs},
    year={2026},
    url={https://huggingface.co/trillionlabs/Gravity-30B-A5B-Base}
}

Contact

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
GravityMoEForCausalLM
Ревизия весов
ee52d6f

0 моделей