/ Модель

Характеристики

Контекст
16 384 токена
Параметры
1,2 млрд
Размер весов
32,5 ГБ
Лицензия
Apache 2.0
Архитектура
llada2_moe · MoE
Базовая модель
DMax-Coder-16B
Библиотека
transformers
Опубликована
5 окт 2026

DMax-Coder-MMD

Генерация текстаТекст → текст

DMax-Coder-MMD — дообученная диффузионная языковая модель для генерации программного кода.

585скачиваний за 30 дней1лайквеса обновлены6 окт 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

DMax-Coder-MMD — диффузионная языковая модель для генерации программного кода, созданная yresearch. Это вариант DMax-Coder-16B, дообученный методом Representation-Space MMD: при обучении распределение ответов модели сопоставлялось с эталонными ответами в пространстве представлений замороженной диффузионной языковой модели. Модель основана на LLaDA2.0-mini и использует гибридную блочную диффузию с маскированием и равномерным шумом.

Модель предназначена для генерации кода и сценариев разработки, где важны качество генерации и увеличение числа токенов за один прямой проход. В README сообщается о повышении пропускной способности при сохранении или улучшении точности на бенчмарках. Метаданные указывают 1,2 млрд параметров и контекст до 16 384 токенов; заявленная в README версия на 16B расходится с размером из метаданных. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Для оценки README указывает на конвейер dInfer. Подтверждённое назначение — генерация кода; README не перечисляет поддерживаемые языки программирования или конкретные бенчмарки и сценарии использования. Результаты на бенчмарках описаны без численных значений, поэтому их нельзя считать гарантией качества.

Сценарии применения

  • генерация программного кода по запросу
  • получение вариантов кода для задач разработки
  • оценка диффузионных моделей генерации кода на бенчмарках

Ограничения

README не приводит численных результатов бенчмарков или перечня поддерживаемых языков программирования. Размер в README (16B) расходится с метаданными (1,2 млрд параметров).

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DMax-Coder-MMD

License: Apache-2.0 arXiv GitHub: Code

Representation-Space MMD for Diffusion Language Models

DMax-Coder-MMD is a 16B diffusion language model for code generation, obtained by MMD post-training of DMax-Coder-16B. It builds on LLaDA2.0-mini and uses DMax's hybrid masked–uniform block diffusion.

The post-training objective minimizes Maximum Mean Discrepancy (MMD) between model samples and reference responses, measured in the representation space of a frozen diffusion language model. The project reports increased tokens per forward pass while maintaining or improving accuracy on the benchmarks below.

Reference results

Results reported in the project README, with decoding threshold 0.9. Each entry is accuracy (%) / tokens per forward pass (TPF). Baseline results are attributed to the original DMax paper in the project README.

MethodHumanEval-InstructMBPP-Instruct
DMax-Coder83.5 / 7.3679.2 / 5.86
DMax-Coder-MMD85.9 / 8.0783.0 / 6.10

Results can vary with hardware, tensor parallelism, and library versions. TPF measures decoding parallelism; wall-clock speed also depends on the runtime.

Evaluation and inference

Use DMax's dInfer evaluation pipeline. After following the evaluation environment setup in the project README, run from the project repository root:

conda activate dinfer
DOMAIN=code MODEL_PATH=yresearch/DMax-Coder-MMD bash scripts/eval.sh

The project's code evaluation uses threshold 0.9 and evaluates HumanEval-Instruct and MBPP-Instruct.

The checkpoint includes nine Safetensors shards with BF16 parameters and FP32 router bias buffers, plus its tokenizer, chat template, and custom model code. Direct Transformers loading requires trust_remote_code=True. Pass dtype=torch.bfloat16 for BF16 loading; the current configuration declares FP32.

Generation requires the DMax/dInfer diffusion decoder. The included custom backbone does not implement the standard Transformers .generate() interface.

License and acknowledgements

The model follows the Apache-2.0 license of the DMax-Coder base checkpoint and LLaDA2.0-mini. The included model implementation retains its Apache-2.0 notices. The separate MMD training repository is MIT-licensed, with Apache-2.0 third-party components.

We thank the authors of DMax, LLaDA2.0-mini, and dInfer for releasing their models, data, and code.

Citation

If you find this work useful in your research, please consider citing:

@article{drobyshevskiy2026mmd,
  title  = {Representation-Space MMD for Diffusion Language Models},
  author = {Drobyshevskiy, Ilya and Sudakov, Ilia and Semenov, Maksim and Kuznedelev, Denis and
            Ignatov, Maksim and Temirchev, Pavel and Balagansky, Nikita and
            Meshchaninov, Viacheslav and Gushchin, Nikita and Baranchuk, Dmitry},
  journal = {arXiv preprint arXiv:2610.06648},
  year    = {2026}
}

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
LLaDA2MoeModelLM
Ревизия весов
be7c689

0 моделей