/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
69,5 млрд
Размер весов
282 ГБ
Лицензия
Apache 2.0
Архитектура
trillion · dense
Библиотека
transformers
Опубликована
1 авг 2025

Tri-70B-preview-SFT

Генерация текстаТекст → текст15 профессий

Tri-70B-preview-SFT — 70-миллиардная диалоговая языковая модель Trillion Labs для генерации текста и пошаговых рассуждений на английском, корейском и японском языках.

210скачиваний за 30 дней43лайкавеса обновлены17 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

Tri-70B-preview-SFT — исследовательская предварительная версия крупной языковой модели компании Trillion Labs. Это плотная авторегрессионная модель на архитектуре Transformer Decoder с 69,5 млрд параметров, обученная с нуля на 1,5 трлн токенов и затем прошедшая supervised fine-tuning. В архитектуре используются iRoPE, скользящее внимание с окном 4096 токенов, SwiGLU, RMSNorm и GQA; размер контекста — 32 768 токенов.

Модель предназначена для генерации текста в диалогах, рассуждений по шагам, ответов на вопросы, решения математических задач и программирования. Она специально оптимизирована для английского, корейского и японского языков. Выпуск прошёл только supervised fine-tuning без обширного RLHF, поэтому модель может быть полезна для исследований и экспериментов с методами выравнивания, но ответы могут быть менее отполированными и безопасно настроенными, чем у моделей с более полной постобработкой.

Модель выпущена под лицензией Apache-2.0. Заявленная дата отсечения знаний — февраль 2025 года; качество на языках, отличных от английского, корейского и японского, может быть ниже.

Сценарии применения

  • диалоговые ответы и следование инструкциям
  • пошаговое решение задач на рассуждение
  • ответы на вопросы и проверка знаний
  • решение математических задач
  • генерация и анализ кода

Ограничения

Качество может снижаться при использовании языков, отличных от английского, корейского и японского; знания ограничены информацией до февраля 2025 года. Из-за минимальной постобработки без RLHF ответы могут быть менее отполированными и хуже выровненными по требованиям безопасности.

Для каких профессий подходит15

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

Tri-70B-preview-SFT

Introduction

We introduce Tri-70B-preview-SFT, a research preview of our latest and largest flagship language model that redefines the efficiency frontier in LLM training. By achieving frontier performance for it's compute size (1.5T training tokens from scratch), we demonstrate that exceptional capabilities don't require excessive computational resources.

We are releasing a minimally post-trained version to enable open research and community experimentation. This preview version has only undergone supervised fine-tuning and has not been subjected to extensive RLHF. This enables researchers to explore various RL-based alignment techniques with this model. Stay tuned for the base model release coming soon!

Key Highlights

  • Architecture optimized for long context
    • 32k context window
    • Sliding window attention with window size 4096
    • iRoPE: Interleaved local (RoPE) and global (temperature-scaled) attention
    • Scalable softmax
  • Multi-lingual capabilities: Specially optimized for English, Korean, and Japanese
  • Enhanced reasoning: Modified training dataset mixture specifically designed for reasoning capabilities, with emphasis on step-by-step problem solving
  • Minimal post-training: This preview release features only supervised fine-tuning, enabling researchers to explore custom alignment techniques and RLHF/RLVR approaches

Model Specifications

Tri-70B-preview-SFT

SpecificationValue
TypeCausal Language Model
Training StagePre-training & Supervised Fine-Tuning
ArchitectureTransformer Decoder with iRoPE (global attention frequency of 4), SwiGLU, RMSNorm, and GQA
Number of Parameters70B
Number of Layers80
Number of Attention Heads64 (Query) / 8 (Key, Value)
Context Length32,768
Number of Tokens Seen1.5T
Vocab Size124,416

Quickstart

Here is a code snippet with apply_chat_template that demonstrates how to load the tokenizer and model and generate text:

Tri-70B-SFT Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "trillionlabs/Tri-70B-preview-SFT"

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

prompt = "Explain the concept of central limit theorem in simple terms."
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

vLLM Deployment

We are working with vLLM team on native vLLM support of our Trillion model. In the meantime, we offer an off-the-tree integration method (link).

# install off-the-tree model integration plugin
git clone https://github.com/trillion-labs/trillion-deployment-utils.git
cd trillion-deployment-utils && pip install -e .

vllm serve trillionlabs/Tri-70B-preview-SFT --trust-remote-code

The plugin has been tested on vLLM version 0.10.1.1. Check out the repository for detailed usages.

Evaluation

We evaluated Tri-70B-preview-SFT across a suite of benchmarks assessing general reasoning, knowledge recall, coding abilities, mathematical reasoning, and instruction-following capabilities. We compare our model against state-of-the-art models of similar scale: Qwen-2.5-72B-instruct and Llama-3.1-70B.

Benchmark Evaluation Settings

BenchmarkLanguageEvaluation SettingMetric
• HAERAEKorean3-shotaccuracy
• KMMLUKorean0-shot, CoTaccuracy (exact-match)
• MMLUEnglish0-shot, CoTaccuracy (exact-match)
• MMLU-ProEnglish0-shot, CoTexact-match
• HumanEvalEnglish0-shotpass@1
• MBPPPlusEnglish0-shotpass@1
• GSM8kEnglish0-shot, CoTexact-match
• MATHEnglish0-shot, CoTexact-match
• GPQA DiamondEnglish0-shot, CoTaccuracy
• HRM8kKorean0-shot, CoTexact-match
• MT-BenchEnglishLLM-as-a-judge (gpt-4o)LLM score

**Note that MT-Bench uses a 10-point scale.

Benchmark Results

Models compared:

  • Tri-70B-preview-SFT: Our flagship 70B parameter model
  • Qwen-2.5-72B-instruct: Qwen's 72B parameter instruction-tuned model
  • Llama-3.1-70B: Meta's instruction-tuned 70B model
BenchmarkTri-70B-SFTQwen-2.5-72B-instructLlama-3.1-70B
HAERAE83.9675.4478.09
KMMLU62.3865.0754.62
MMLU74.4287.2985.47
MMLU-Pro62.4869.4062.79
HumanEval-89.0282.93
MBPPPlus68.5288.284.13
GSM8k87.3791.5172.48
MATH64.4080.8062.40
GPQA-Diamond-54.0444.44
HRM8k82.2666.2463.90
MT-Bench7.548.718.2

Limitations

  • Language Support: The model is optimized for English, Korean, and Japanese. Usage with other languages may result in degraded performance.
  • Knowledge Cutoff: The model's knowledge is limited to information available up to February 2025.
  • Minimal Post-Training: As this is a supervised fine-tuning (SFT) release without RLHF, responses may occasionally lack the polish and safety alignment of fully post-trained models.

License

This model repository is licensed under the Trillion License.

Contact

For inquiries, please contact: info@trillionlabs.co

Как запустить

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

GPU в ailist

vLLM

Нельзя запустить

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

Класс архитектуры
TrillionForCausalLM
Ревизия весов
c5f36c9

0 моделей